اگه به هوش مصنوعی علاقه‌مندی، ولی بین این همه اسم، ابزار، فناوری و مسیر مختلف نمی‌دونی دقیقاً باید از کجا شروع کنی، این وبینار برای تو طراحی شده.

این روزها تقریباً همه درباره‌ی هوش مصنوعی حرف می‌زنن. هر چند وقت یک‌بار یک مدل جدید معرفی می‌شه و اسم‌هایی مثل مدل‌های زبانی بزرگ (LLM)، RAG و ایجنت‌های هوش مصنوعی رو بیشتر از قبل می‌شنویم.

لازم نیست از همین حالا معنی این اسم‌ها رو بدونی؛ توی وبینار با جایگاه و کاربردشون آشنا می‌شی.

اما برای کسی که می‌خواد واقعاً وارد این حوزه بشه، یک سؤال مهم هنوز باقی می‌مونه:

دقیقاً از کجا باید شروع کنم و این مسیر قراره منو به کجا برسونه؟

اول باید پایتون یاد بگیرم؟

چقدر ریاضی لازمه؟

یادگیری ماشین و یادگیری عمیق هنوز مهم هستن یا دیگه همه‌چیز شده مدل‌های زبانی و ایجنت‌های هوش مصنوعی؟

اصلاً یک مهندس هوش مصنوعی در دنیای واقعی چه کاری انجام می‌ده؟

و مهم‌تر از همه:

چطور از «یاد گرفتن مفاهیم» برسیم به «ساختن یک سیستم واقعی هوش مصنوعی»؟

این وبینار دقیقاً برای جواب دادن به همین سؤال‌هاست.

توی این وبینار قراره چه اتفاقی بیفته؟

توی این ۹۰ دقیقه، نقشه راه ورود به دنیای هوش مصنوعی رو قدم‌به‌قدم با هم مرور می‌کنیم؛ از جایی که هنوز حتی برنامه‌نویسی بلد نیستی، تا جایی که بتونی مسیر تبدیل شدن به یک مهندس هوش مصنوعی رو ببینی.

از پایتون و کار با داده‌ها شروع می‌کنیم، بعد می‌رسیم به ریاضی و آمار، یادگیری ماشین و یادگیری عمیق.

در ادامه، با بخش‌های تخصصی‌تر مسیر آشنا می‌شیم:

·        مدل‌های زبانی بزرگ (LLM): مدل‌هایی که می‌تونن متن رو پردازش کنن، به سؤال‌ها پاسخ بدن و محتوا تولید کنن.

·        تبدیل متن و اطلاعات به نمایش عددی (Embedding): روشی که کمک می‌کنه سیستم، شباهت و ارتباط بین اطلاعات رو پیدا کنه.

·        پاسخ‌گویی با کمک منابع اختصاصی (RAG): روشی برای پیدا کردن اطلاعات مرتبط در اسناد و منابع و استفاده از اون‌ها برای ساختن پاسخ.

·        ایجنت‌های هوش مصنوعی: سیستم‌هایی که برای انجام یک کار، از ابزارها استفاده می‌کنن و چند مرحله رو پیش می‌برن.

·        سیستم‌های چندایجنتی: چند ایجنت با وظایف متفاوت که برای انجام یک کار با هم همکاری می‌کنن.

اما قرار نیست فقط یک عالمه اسم و مفهوم پشت سر هم ببینی.

می‌خوایم ببینیم با هرکدوم از این مهارت‌ها واقعاً چه چیزی می‌شه ساخت.

در طول وبینار چند پروژه و سیستم واقعی هوش مصنوعی رو اجرا می‌کنیم و قدم‌به‌قدم بررسی می‌کنیم که پشت هرکدوم چه اتفاقی می‌افته.

برای هر پروژه می‌بینیم:

·        دقیقاً چه مسئله‌ای رو حل می‌کنه

·        پشت صحنه‌ی سیستم چه اتفاقی می‌افته

·        برای ساختنش چه مهارت‌هایی لازمه

·        و این مهارت‌ها کجای نقشه راه قرار می‌گیرن

به این شکل، نقشه راه برات تبدیل نمی‌شه به یک لیست بلندبالا از چیزهایی که «یه روزی باید یاد بگیرم».

می‌بینی که هر مرحله از مسیر چه توانایی‌ای بهت می‌ده و بعد از یاد گرفتنش چه چیزی می‌تونی بسازی.

فقط درباره‌ی یادگیری نیست؛ درباره‌ی مسیر شغلی هم هست

یکی از سؤال‌های مهم اینه که بعد از یاد گرفتن این مهارت‌ها، دقیقاً چه مسیرهایی جلوی ما قرار داره؟

در بخش پایانی وبینار درباره‌ی مسیرهای مختلف شغلی صحبت می‌کنیم؛ از جمله:

·        مهندسی هوش مصنوعی: ساخت نرم‌افزارها و سیستم‌های هوشمند

·        مهندسی یادگیری ماشین: ساخت و به‌کارگیری مدل‌هایی که از داده‌ها یاد می‌گیرن

·        علم داده: تحلیل داده‌ها برای کشف الگوها، پیش‌بینی و کمک به تصمیم‌گیری

·        پژوهش در هوش مصنوعی: تحقیق برای توسعه‌ی روش‌ها و مدل‌های جدید

·        راه‌اندازی و نگهداری مدل‌ها در محیط واقعی (MLOps): آماده‌سازی مدل‌ها برای استفاده، نظارت بر عملکرد و به‌روزرسانی اون‌ها

·        و مسیرهای تخصصی‌تر در حوزه‌ی هوش مصنوعی

بررسی می‌کنیم هرکدوم از این مسیرها به چه مهارت‌هایی نیاز دارن و برای رسیدن به هرکدوم، باید از کدوم بخش‌های این نقشه عبور کنی.

هدف این نیست که همه دقیقاً یک مسیر رو برن.

هدف اینه که بفهمی مسیر مناسب خودت کدومه.

این وبینار چه چیزی نیست؟

این وبینار قرار نیست آموزش کار با ChatGPT یا معرفی ده‌ها ابزار هوش مصنوعی باشه.

ما اینجا بیشتر با سمت سازنده‌ی ماجرا کار داریم.

یعنی مهارت‌هایی که بهت کمک می‌کنن فقط مصرف‌کننده‌ی ابزارهای هوش مصنوعی نباشی و بتونی خودت سیستم‌ها، نرم‌افزارها و محصولات هوشمند بسازی.

از طرف دیگه، قرار هم نیست ادعا کنیم همه‌ی این موضوعات رو در ۹۰ دقیقه بهت آموزش می‌دیم.

چنین چیزی نه ممکنه و نه منطقی.

کاری که قراره انجام بدیم اینه که یک تصویر شفاف و واقعی از کل مسیر بهت بدیم تا بدونی:

چی باید یاد بگیری، به چه ترتیبی یاد بگیری، هر مرحله به چه دردی می‌خوره و قدم بعدی تو باید چی باشه.

بعد از این وبینار چه چیزی به دست میاری؟

بعد از پایان وبینار:

·        یک تصویر روشن و مرحله‌به‌مرحله از مسیر یادگیری هوش مصنوعی داری

·        می‌دونی پایتون، کار با داده‌ها و ریاضی چه جایگاهی در ساختن پایه‌های این مسیر دارن

·        با جایگاه یادگیری ماشین، یادگیری عمیق، مدل‌های زبانی، RAG و ایجنت‌ها آشنا می‌شی

·        چند سیستم واقعی هوش مصنوعی رو در حال اجرا دیده‌ای

·        متوجه می‌شی برای ساخت هرکدوم از این سیستم‌ها چه مهارت‌هایی لازمه

·        با مهم‌ترین مسیرهای شغلی هوش مصنوعی آشنا می‌شی

·        می‌تونی مسیر مناسب خودت رو راحت‌تر انتخاب کنی

·        و مهم‌تر از همه، می‌دونی قدم اولت بعد از وبینار دقیقاً چیه

در نهایت، باید بتونی به دو سؤال خیلی مهم جواب بدی:

آیا مسیر هوش مصنوعی برای من مناسبه؟

و اگر جواب مثبته: دقیقاً از کجا باید شروع کنم؟