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 اراپه می گردد که با توجه به بکگراند شرکت کنندگان ثبت نام در آن اختیاری می باشد.

•  
•  
•  
•  

پیش نیاز: (اختیاری) 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.