CBTNuggets – PCEI – Certified Entry-Level AI Specialist with Python 2026-4

در تاریخ: 1405/06/18 11:58:50

توضیحات

Certified Entry-Level AI Specialist with Python (PCEI)، دوره آموزش متخصص هوش مصنوعی سطح مقدماتی دارای گواهینامه با پایتون (PCEI) توسط آکادمی CBTNuggets منتشر شده است.این دوره آموزشی PCEI مهارت‌های پایه پایتون را به توانایی‌های کاربردی هوش مصنوعی تبدیل می‌کند و برای مبتدیانی مناسب است که می‌خواهند وارد حوزه AI شوند. در این دوره یادگیرندگان با تحلیل مجموعه‌داده‌ها، پیاده‌سازی منطق‌های ساده هوش مصنوعی و ارزیابی توانایی‌ها و محدودیت‌های مدل‌های AI آشنا می‌شوند. دوره شامل تجربه عملی در نوشتن الگوریتم‌های سبک هوش مصنوعی با پایتون، کار با مجموعه‌داده‌های کوچک و استفاده عملی از مفاهیم یادگیری ماشین، شبکه‌های عصبی و هوش مصنوعی مولد است. همچنین بر ساخت پروژه‌های قابل ارائه در رزومه تأکید دارد تا مهارت‌های واقعی حل مسئله در AI برای کارفرمایان قابل نمایش باشد.

با تکمیل این دوره، یادگیرندگان توانایی آماده‌سازی داده، پیاده‌سازی مدل‌های ساده، اعتبارسنجی خروجی‌ها و ارائه نتایج پروژه‌های AI را به‌صورت واضح به دست می‌آورند. این دوره شرکت‌کنندگان را برای آزمون Certified Entry-Level AI Specialist with Python آماده می‌کند و مسیرهای شغلی مانند توسعه‌دهنده مبتدی AI، توسعه‌دهنده اتوماسیون، متخصص پشتیبانی AI یا تحلیل‌گر داده را پشتیبانی می‌کند. این دوره برای افرادی طراحی شده است که با اصول پایتون آشنا هستند و به دنبال مسیر ساختارمند برای ورود به توسعه‌محور AI می‌باشند.

آنچه خواهید آموخت

پیاده‌سازی الگوریتم‌های پایه هوش مصنوعی با استفاده از پایتون
تحلیل و آماده‌سازی مجموعه‌داده‌های کوچک برای وظایف یادگیری ماشین
توضیح مفاهیم یادگیری نظارت‌شده، بدون نظارت و یادگیری تقویتی
به‌کارگیری اصول پایه شبکه‌های عصبی و هوش مصنوعی مولد
ارزیابی خروجی مدل‌های AI از نظر دقت، سوگیری و قابلیت اعتماد
ارائه نتایج پروژه‌های AI با استفاده از بصری‌سازی و خلاصه‌سازی واضح

این دوره برای چه کسانی مناسب است

افرادی که قصد دارند به‌عنوان توسعه‌دهنده AI با پایتون مسیر آموزشی ساختارمند داشته باشند
دانشجویان و تغییر‌دهندگان مسیر شغلی که پایتون پایه را می‌دانند و می‌خواهند وارد حوزه AI شوند
توسعه‌دهندگانی که می‌خواهند سیستم‌های ساده AI برای مصاحبه‌ها یا نمونه‌کار بسازند

مشخصات دوره Certified Entry-Level AI Specialist with Python (PCEI)

ناشر : CBTNuggets
مدرس :
زبان: انگلیسی
سطح آموزش: تمام سطوح
تعداد دروس: 253
مدت زمان آموزش: 37 ساعت و 40 دقیقه

سر فصل های دوره Certified Entry-Level AI Specialist with Python (PCEI)

01 – Build Your First Machine Learning Algorithm
02 – Measuring and Improving Performance
03 – Basics of Data Normalization
04 – Creating Reusable Machine Learning Models
05 – Basics of Linear Regression
06 – Introduction to Gradient Descent
07 – Basics of Decision Trees
08 – Basics of Clustering Algorithms
09 – Clustering Algorithms In-Depth
10 – Introduction To Neural Networks
11 – Connecting Neurons Into Simple Networks
12 – Training Individual Neurons With Gradient Descent
13 – Applying Neurons To Real-World Data
14 – Working With Non-Numerical Data
15 – Creating Layers and Neural Networks
16 – Training Neural Networks With Backpropagation
17 – Applying Neural Networks To Real-World Data
18 – Vanilla Python Data-Wrangling – Basics
19 – Vanilla Python Data Wrangling – Intermediate
20 – Basic Statistics For Machine Learning
21 – The Python Collections Module
22 – Working With Randomness
23 – The Itertools Module For Machine Learning
24 – Slicing And Filtering Stream Data
25 – Transforming and Grouping Stream Data
26 – Creating Simple Data Pipelines
27 – Advanced Data Pipeline Concepts
28 – Incremental Computation With Streams
29 – Working With Vectors
30 – Working With Matrices
31 – Understanding Derivatives and Gradients
32 – Implementing A Neural Network With Matrix Math
33 – Training A Neural Network With Matrix Math
34 – Building Naive Bayes Classifiers
35 – Basics of Reinforcement Learning
36 – Going Deeper With Reinforcement Learning
37 – Market Basket Analysis Basics
38 – Market Basket Analysis In-Depth
39 – Basics of Natural Language Processing (NLP)
40 – Basics of Generative AI And LLMs
41 – Working with Num Py Arrays
42 – Working With Pandas
43 – Pandas Data Manipulation
44 – Data Cleaning For Machine Learning
45 – Pandas Data Cleaning Walkthrough
46 – Data Visualization Basics
47 – Measuring Model Performance
48 – Identify Ethical Risks and Safety Concerns in AI