توضیحات

محتوای آموزشی مسیر مهندس هوش مصنوعی

طرح حضوری/ آنلاین

مهندس هوش مصنوعی چه جایگاهی دارد؟!

نقش مهندس هوش مصنوعی در صنایع مختلف

• شرکت‌های فناوری:
  طراحی و استقرار سیستم‌های هوشمند برای محصولات نرم‌افزاری.
• صنایع تولیدی:
  نظارت خودکار بر فرآیندهای تولید و بهینه‌سازی خطوط تولید با استفاده از مدل‌های هوش مصنوعی.
• بخش مالی:
  عملیاتی‌سازی الگوریتم‌های پیش‌بینی و مدیریت ریسک در فرآیند تصمیم گیری.
• خدمات بهداشتی:
  استقرار مدل‌های هوش مصنوعی برای تشخیص بیماری‌ها و بهینه‌سازی خدمات درمانی.

چرا مهندس هوش مصنوعی جایگاه ویژه‌ای دارد؟

1. پیوند دانش و فناوری:
   مهندسان هوش مصنوعی پلی میان مدل‌های یادگیری ماشین و محیط‌های عملیاتی هستند.
2. درآمد بالا و رشد شغلی:
   تقاضای بالای بازار برای متخصصان MLOps و AI Engineers موجب افزایش جذابیت این حرفه شده است.
3. نقش کلیدی در نوآوری:
   مهندسان هوش مصنوعی از مهم‌ترین عوامل پیشرفت فناوری‌های مدرن هستند.

آماده‌اید در این مسیر پیشرو قدم بگذارید؟

اهداف اصلی مسیر مهندسی هوش مصنوعی

• یادگیری عملیاتی‌سازی و استقرار مدل‌های هوش مصنوعی.
• توسعه، نظارت، و خودکارسازی چرخه حیات سیستم‌های هوشمند.
• کسب مهارت‌های پیشرفته در استفاده از زیرساخت‌های پردازشی ابری و مدل‌های مولد.

جامعه هدف این مسیر

• مهندسین و توسعه‌دهندگان نرم‌افزار:
  اگر توسعه‌دهنده نرم‌افزار هستید و می‌خواهید وارد حوزه طراحی و استقرار سیستم‌های هوش مصنوعی شوید.
• دیتاساینتیست‌ها:
  اگر در حال حاضر به‌عنوان دانشمند داده مشغولید و قصد دارید راهکارهای خود را به سیستم‌های عملیاتی تبدیل کنید.
• دانشجویان رشته‌های ریاضی و مهندسی:
  اگر زمینه ریاضیات و برنامه‌نویسی پایتون را دارید و می‌خواهید حرفه‌ای وارد دنیای مهندسی هوش مصنوعی شوید.

ویژگی‌های مسیر مهندسی هوش مصنوعی

• دسترسی ریموت به سرورهای پردازشی:
  امکان اجرای پروژه‌های سنگین و پیچیده بر روی زیرساخت‌های ابری.
• برگزاری آنلاین و حضوری:
  شرکت‌کنندگان می‌توانند بر اساس نیاز خود در کلاس‌ها شرکت کنند.
• پشتیبانی فنی و آموزشی:
  در طول دوره از پشتیبانی فنی و جلسات رفع اشکال بهره‌مند خواهید شد.

مدت زمان و نحوه برگزاری

• مدت زمان کل دوره: ۴۵ هفته (۲ گام اصلی و ۱ گام اختیاری).
• نحوه برگزاری:
  • آنلاین / حضوری.
  • دسترسی به ویدیوهای رکورد شده.
  • انجام پروژه‌های عملی در هر گام.

مسیر مهندس هوش مصنوعی دایکه

این مسیر شامل ۲ گام اصلی و یک گام اختیاری است. هر گام شامل کورس‌های آموزشی منظم و پروژه‌های عملی است. همچمین یک کورس پیش نیاز برای ورود به این مسیر ارایه می گردد که با توجه به بکگراند شرکت کنندگان ثبت نام در آن اختیاری می باشد.

پیش نیاز: مهارت های نرم افزاری برای هوش مصنوعی

• مدت زمان: ۱۰ هفته
• خروجی:
  – آشنایی با مباحث و ابزارهای لازم برای ورودی به رویکرد عملیاتی سازی هوش مصنوعی.
  – قابلیت کار کردن با سیستم عامل Linux، مدیریت ورژن کد Git و کار تیمی در Github.
  – مروری بر مباحث پیشرفته در شی گرایی پایتون و معماری نرم افزار.

گام چهارم: متخصص هوش مصنوعی

• مدت زمان: ۱۷ هفته
• کورس‌ها:
  1. ریاضیات برای هوش مصنوعی
  2. توسعه یادگیری ماشین (پیشرفته)
  3. توسعه یادگیری عمیق (پیشرفته)
• خروجی:
  – درک عمیق از ریاضیات الگوریتم‌ها و پیاده سازی آن در پایتون.
  – توسعه مدل‌های یادگیری ماشین و یادگیری عمیق با رویکرد عملیاتی سازی.
  – قابلیت استفاده از ابزار کنترل ورژن داده (Data Version Control).

گام پنجم: مهندس MLOps

• مدت زمان: ۱۴ هفته
• کورس‌ها:
  1. توسعه و عملیات یادگیری ماشین MLOps
  2. چرخه عمر توسعه نرم افزار SDLC
• خروجی:
  – عملیاتی‌سازی مدل‌های یادگیری ماشین و هوش مصنوعی.
  – نظارت، بهینه‌سازی، و خودکارسازی مدل‌ها در محیط‌های واقعی.

گام ششم (اختیاری): مهندس هوش مصنوعی مولد Gen-AI

• مدت زمان: ۱۴ هفته (این گام به علاقمندانی که قصد دارند بصورت حرفه ای در تیم های تخصصی علم داده با هدف تولید محصولات مبتنی بر هوش مصنوعی مشارکت کنند توصیه می گردد.)
• کورس‌ها:
  1. پردازش ابری AWS / GCP
  2. توسعه هوش مصنوعی مولد Gen-AI

  خروجی:
  – توانایی کار با زیرساخت‌های ابری آمازون و گوگل.
  – تسلط بر مدل‌های مولد و کاربرد آن‌ها در مسائل عملی.