سرفصل‌های دوره:بخش اول: Python برای هوش مصنوعی (۸ جلسه) - Python، محیط برنامه‌نویسی و مفاهیم پایه -…

سرفصل‌های دوره:بخش اول: Python برای هوش مصنوعی (۸ جلسه) - Python، محیط برنامه‌نویسی و مفاهیم پایه - ساختار داده، توابع، الگوریتم‌ها و برنامه‌نویسی شیءگرا - کار با فایل و داده‌ها - تحلیل داده با NumPy و Pandas - مصورسازی داده با Matplotlib بخش دوم: Deep Learning با PyTorch (۸ جلسه) - شبکه‌های عصبی مصنوعی (ANN) و مبانی Deep Learning - پیاده‌سازی مدل‌های رگرسیون و طبقه‌بندی- CNN، Autoencoder، VAE و GAN بخش سوم: LLM و توسعه سیستم‌های هوشمند (۵ جلسه) - معماری LLM و Transformerها - مدل‌های زبانی محلی و ابری - Prompt Engineering و کاربرد LLM در معماری - سیستم‌های RAG، Context-Aware و Agentهای هوشمند - طراحی اپلیکیشن‌های مبتنی بر LLM بخش چهارم: روش تحقیق و نگارش مقالات علمی (۲ جلسه) - تعریف مسئله و سوال تحقیق - مرور ادبیات و طراحی روش تحقیق - اصول نگارش و آماده‌سازی مقاله علمیبخش پنجم: Scientific Research Studio - پژوهش گروهی تحت هدایت استاد - انتخاب موضوع و توسعه ایده تحقیقاتی - طراحی چارچوب پژوهش و مدل هوش مصنوعی - نگارش مقاله و آماده‌سازی برای ارسال علمیسرفصل‌های دوره:بخش اول: Python برای هوش مصنوعی (۸ جلسه) - Python، محیط برنامه‌نویسی و مفاهیم پایه - ساختار داده، توابع، الگوریتم‌ها و برنامه‌نویسی شیءگرا - کار با فایل و داده‌ها - تحلیل داده با NumPy و Pandas - مصورسازی داده با Matplotlib بخش دوم: Deep Learning با PyTorch (۸ جلسه) - شبکه‌های عصبی مصنوعی (ANN) و مبانی Deep Learning - پیاده‌سازی مدل‌های رگرسیون و طبقه‌بندی- CNN، Autoencoder، VAE و GAN بخش سوم: LLM و توسعه سیستم‌های هوشمند (۵ جلسه) - معماری LLM و Transformerها - مدل‌های زبانی محلی و ابری - Prompt Engineering و کاربرد LLM در معماری - سیستم‌های RAG، Context-Aware و Agentهای هوشمند - طراحی اپلیکیشن‌های مبتنی بر LLM بخش چهارم: روش تحقیق و نگارش مقالات علمی (۲ جلسه) - تعریف مسئله و سوال تحقیق - مرور ادبیات و طراحی روش تحقیق - اصول نگارش و آماده‌سازی مقاله علمیبخش پنجم: Scientific Research Studio - پژوهش گروهی تحت هدایت استاد - انتخاب موضوع و توسعه ایده تحقیقاتی - طراحی چارچوب پژوهش و مدل هوش مصنوعی - نگارش مقاله و آماده‌سازی برای ارسال علمی