محور موضوعی
آموزش هوش مصنوعی مولد به زبان فارسی، قدم‌به‌قدم و کاربردی؛ از پرامپت‌نویسی و ساخت چت‌بات تا RAG، ایجنت‌ها، ارزیابی و امنیت. یک مسیر ۵۰ قسمتی که از مفاهیم پایه شروع می‌شود و تا ساخت ایجنت‌های واقعی پیش می‌رود.
چرخه عمر علم داده چه مراحلی دارد و چرا پروژه‌های داده بدون آن از مسیر خارج می‌شوند؟ در این قسمت پنج مرحله جمع‌آوری، پردازش، تحلیل، ارتباط و نگه‌داری را با سؤال‌های کلیدی هر مرحله، مقایسه TDSP و CRISP-DM و یک مثال pandas برای پروفایل داده یاد می‌گیرید.
آمار و احتمال زبان مشترک داده و هوش مصنوعی است. در این قسمت احتمال و متغیر تصادفی، توزیع یکنواخت و نرمال، میانگین، واریانس، میانه و چارک، جعبه‌نمودار و بازه اطمینان را با مثال پایتون می‌خوانید و یاد می‌گیرید دقت یک مدل را با بازه اطمینان گزارش کنید.
داده ساختاریافته چیست و چه فرقی با داده بدون ساختار و نیمه‌ساختاریافته دارد؟ در این قسمت انواع داده، داده کمی و کیفی، منابع داده و صفحه گسترده را می‌شناسید و یاد می‌گیرید هر نوع داده را چطور به ورودی قابل استفاده برای مدل هوش مصنوعی تبدیل کنید.
یادگیری ماشین چیست و یک پروژه یادگیری نظارت‌شده چه مراحلی دارد؟ در این قسمت هفت مرحله از انتخاب سؤال تا پیش‌بینی، مفهوم ویژگی و هدف، تقسیم داده به آموزش و آزمون، بیش‌برازش و کم‌برازش را با یک مثال کوتاه scikit-learn یاد می‌گیرید.
سیستم خبره چیست و چرا هنوز در دستیارهای امروزی جا دارد؟ در این قسمت هرم داده تا حکمت، روش‌های بازنمایی دانش، ساختار سیستم خبره، استنتاج پیشرو و بازگشتی را با مثال پایتون می‌خوانید و یاد می‌گیرید کجا قاعده کافی است و کجا به یادگیری ماشین نیاز دارید.
علم داده چیست و چه ربطی به ساخت دستیار هوش مصنوعی دارد؟ در این قسمت تعریف علم داده، رابطه‌اش با آمار، یادگیری ماشین و بصری‌سازی، منابع رایج داده و پنج مرحله مسیر داده را می‌خوانید و یاد می‌گیرید پیش از شروع پروژه، خروجی و معیار پذیرش را دقیق بنویسید.
هوش مصنوعی چیست و چرا بعضی کارها را نمی‌شود با برنامه‌نویسی معمولی حل کرد؟ در این مقاله تعریف هوش، آزمون تورینگ، دو رویکرد نمادین و شبکه عصبی و تاریخچه کوتاه هوش مصنوعی را می‌خوانید و یک نقشه راه چهارمرحله‌ای برای ساخت دستیار هوشمند می‌گیرید.
وقتی دستیار نمی‌تواند پاسخ دهد، رابط کاربری تعیین می‌کند کاربر سردرگم شود یا راه بعدی را پیدا کند. در این آموزش تجربه کاربری هوش مصنوعی، چهار ویژگی تجربه‌ی خوب، طراحی برای اعتماد با وضوح و کنترل، و طراحی برای بازخورد و مدیریت خطا را با یک سناریوی واقعی یاد می‌گیرید.
بسیاری از کارهای یک مجموعه‌ی آموزشی به برنامه‌نویسی سنگین نیاز ندارند. در این آموزش هوش مصنوعی کم‌کد، با Copilot در Power Apps و Power Automate، جدول Dataverse، مدل‌های آماده‌ی AI Builder و Copilot Studio یک ردیاب تکلیف و یک جریان پردازش فاکتور می‌سازید.
پاسخ مؤدبانه نشان نمی‌دهد یک دستیار هوش مصنوعی قابل‌اعتماد است. در این راهنمای هوش مصنوعی مسئولانه، خطرهای پاسخ ساختگی، محتوای مضر و بی‌انصافی را می‌شناسید و با چهار گام سنجش، کاهش، ارزیابی و راه‌اندازی امن، دستیاری می‌سازید که کنترل را به کاربر بدهد.
ایجنت هوش مصنوعی سیستمی است که با کمک مدل زبانی فکر می‌کند، برنامه می‌ریزد و با ابزارها کار انجام می‌دهد. در این مقاله با مثالی ساده، تعریف دقیق، سطح‌های عاملیت، تفاوت ایجنت با چت‌بات و کاربردهای واقعی آن آشنا می‌شوید.
هفت تکنیک پرامپت نویسی پیشرفته با مثال واقعی؛ zero-shot، few-shot، زنجیره‌ی فکر، دانش تولیدشده، کمترین‌به‌بیشترین، خوداصلاحی و پرسش سقراطی. به‌علاوه‌ی نقش temperature در کنترل تنوع پاسخ هوش مصنوعی.
