دوره جامع هوش مصنوعی
شامل یادگیری عمیق (DL)، بینایی کامپیوتر (CV)، مدل‌های زبان بزرگ (LLMs) و یادگیري تقویتی (RL)
دوره جامع هوش مصنوعی با رویکردی کاربردی و بین المللی
با افتخار اعلام می‌نماییم که دوره جامع هوش مصنوعی توسط شرکت زمین پی‌جویان نگار و با همکاری مؤسسه بین‌المللی رویال آکادمی (International Royal Academy) طراحی و برگزار می‌شود. این دوره تخصصی بر پایه نیازهای واقعی تحلیل‌گران داده، پژوهشگران یادگیری ماشین (Machine Learning)، و فعالان حوزه هوش مصنوعی تدوین شده و تمامی علاقه‌مندان به این حوزه پرشتاب را برای ورود حرفه‌ای و موثر به بازار کار آماده می‌سازد.
مدرس این دوره، جناب آقای دکتر امیر شمائی، از برجسته‌ترین متخصصان ایرانی در عرصه بین‌المللی هستند. ایشان دارای مدرک پست‌دکتری از دانشگاه کلگری کانادا، کارشناس یادگیری ماشین در شرکت Synnex کانادا و مشاور ارشد شرکت زیمنس در حوزه هوش مصنوعی می‌باشند.
در طول این دوره، دانشپذیران ضمن بهره‌گیری از بیش از ۶۵ ساعت آموزش تخصصی همراه با پروژه‌های عملی و واقعی، مهارت‌هایی را فرا خواهند گرفت که آنها را برای ایفای نقش به عنوان کارشناس داده و هوش مصنوعی در سطوح حرفه‌ای، توانمند می‌سازد.
یکی از ویژگی‌های منحصربه‌فرد این دوره، پشتیبانی دائمی از فراگیران از طریق پلتفرم اختصاصی شرکت زمین پی‌جویان نگار است. دانشپذیران میتوانند حتی خارج از ساعات کلاس، سوالات و چالش‌های خود را با مدرس دوره و یا تیم علمی و پشتیبانی شرکت در میان بگذارند و پاسخ‌های تخصصی دریافت کنند.
این دوره محدود به مرزهای جغرافیایی نیست؛ هر فردی، در هر نقطه‌ای از جهان می‌تواند در این برنامه شرکت کرده و از محتوای روزآمد و کاربردی آن بهره‌مند گردد.
⚠️ در صورت بروز مشکل در وضعیت اینترنت کشور این دوره چگونه برگزار می شود؟
این دوره به صورت آنلاین بوده و تمامی سرورهای شرکت زمین پی جویان نگار در داخل کشور می باشند بنابراین برای عزیزانی که داخل کشور هستند هیچگونه مساله ایجاد نمی شود. آن دسته از دانشپذیرانی که در خارج از ایران نیز حضور دارند با بهره گیری از سرورهای پشتیبانی خارج از کشور هیچگونه مشکلی در گذراندن دوره نخواهند داشت
درباره مدرس دوره جامع هوش مصنوعی
دکتر امیر شماعی، دانش آموحته پسادکتری از کلگری کانادا و مهندس ارشد یادگیری ماشین و پردازش سیگنال در شرکت Synex تورنتو، کانادا می باشند. ایشان طی سال‌های اخیر در زمینه‌های پیشرفته‌ای چون یادگیری عمیق برای پردازش سیگنال‌های پزشکی و بهبود تصویربرداری رزونانس مغناطیسی فعالیت کرده‌اند. دکتر شمائی سابقه همکاری در پروژه‌های تحقیقاتی بین‌المللی را دارد و مقالات متعددی در نشریات و کنفرانس‌های معتبر علمی منتشر کرده است. تجربه‌ی گسترده ایشان در توسعه نرم‌افزارهای هوشمند پزشکی و مشارکت در طرح‌های تحقیقاتی خارج از کشور سبب شده تا مخاطبان به کیفیت علمی دوره‌های ارائه‌شده توسط ایشان اعتماد کنند.
سوابق تحصیلی دکتر امیر شمائی
دکترای مهندسی پزشکی – دانشگاه فنی برنو (جمهوری چک)، ۲۰۱۹-۲۰۲۳. موضوع پایان‌نامه: توسعه قابلیت‌های جدید هوش مصنوعی برای پردازش سیگنال‌های طیف‌سنجی رزونانس مغناطیسی.
کارشناسی ارشد مهندسی پزشکی – دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)، ۲۰۱۵-۲۰۱۸. موضوع پایان‌نامه: طراحی و ساخت دستگاه Lab-on-chip برای ارزیابی زنده‌مانی سلول‌های سرطانی در حین تحریک الکتریکی.
کارشناسی مهندسی برق – دانشگاه زنجان، ۲۰۱۰-۲۰۱۵. موضوع پایان‌نامه: شبیه‌ساز نرم‌افزاری شبکه سیستم‌های بی‌سیم.
سوابق حرفه‌ای
مهندس ارشد یادگیری ماشین و پردازش سیگنال (Senior ML/DSP Engineer) در شرکت Synex Medical (تورنتو، کانادا)
پژوهشگر پسادکتری در آزمایشگاه پیشرفته تصویربرداری و هوش مصنوعی (AI2Lab) دانشگاه کلگری (کانادا)
همکاری تحقیقاتی و دریافت‌کننده فلوشیپ ماری کوری در پروژه INSPiRE-MED، موسسه علوم و ابزارهای پژوهشی آکادمی علوم چک (برنو)
مهندس نرم‌افزار سیگنال‌های پزشکی در مؤسسه علوم و ابزارهای پژوهشی آکادمی علوم چک (برنوی جمهوری چک)، جایی که به تبدیل نتایج تحقیقاتی به راه‌حل‌های کاربردی پزشکی پرداخته‌اند.
حوزه‌های تخصص
پردازش سیگنال‌ها و تصاویر پزشکی، به‌ویژه کاربرد یادگیری عمیق و یادگیری ماشینی در بهبود تصویربرداری رزونانس مغناطیسی.
طراحی الگوریتم‌ها و نرم‌افزارهای هوش مصنوعی برای تحلیل طیف‌سنجی و پردازش داده‌های پزشکی (MRI/MRS).
توسعه روش‌های خودآموز (Self-Supervised Learning) و یادگیری نظارت‌شده در پردازش سیگنال‌های پزشکی.
مهندسی نرم‌افزار در حوزه پزشکی: تسلط بر زبان‌ها و ابزارهایی چون Python، C++، MATLAB و PyTorch برای پیاده‌سازی پروژه‌های تحقیقاتی و کاربردی.
افتخارات و دستاوردها
فلوشیپ ماری کوری (Marie Skłodowska-Curie Fellowship) از اتحادیه اروپا (برنامه Horizon 2020) برای پروژه INSPiRE-MED.
توسعه نرم‌افزار MRIntelligence – ابزاری تحقیقاتی برای کاهش زمان تصاویر MRI و تسریع تحلیل‌های مربوط.
چاپ مقالات علمی متعدد در نشریات و کنفرانس‌های بین‌المللی معتبر در حوزه مهندسی پزشکی و هوش مصنوعی.
تسلط بر زبان‌ها و محیط‌های برنامه‌نویسی مهم (Java, Python, C++, PyTorch, MATLAB) که امکان توسعه پروژه‌های نرم‌افزاری پیشرفته را فراهم می‌کند.
🎓 آکادمی بین‌المللی رویال (International Royal Academy)
آکادمی بین‌المللی رویال، تأسیس‌شده در سال ۲۰۱۶ در کشور گرجستان، یکی از نهادهای آموزشی پیشرو در حوزه یادگیری آنلاین و توسعه فردی است که با رویکردی نوآورانه، تمرکز خود را بر آموزش بزرگسالان و متخصصان از سراسر جهان قرار داده است. این آکادمی با همکاری اساتید بین‌المللی و بهره‌گیری از روش‌های تعاملی و پلتفرم‌های مدرن، فضایی را فراهم کرده است که یادگیری در آن به تجربه‌ای الهام‌بخش و عملی تبدیل می‌شود.
دوره‌های ارائه‌شده در این آکادمی، به‌گونه‌ای طراحی شده‌اند که نه‌تنها مهارت‌های حرفه‌ای و واقعی را تقویت می‌کنند، بلکه مسیر رشد شخصی و توسعه بین‌فرهنگی را نیز هموار می‌سازند. فراگیران از اقصی نقاط دنیا، در فضایی پویا و چندفرهنگی گرد هم می‌آیند تا با بهره‌گیری از پشتیبانی مستمر، نظام آموزشی انعطاف‌پذیر، و فرصت‌های مربی‌گری فردی، به اهداف آموزشی و شغلی خود دست یابند.
تأکید این آکادمی بر «اصالت در آموزش»، «آزادی در مسیر یادگیری» و «حمایت از فراگیر» باعث شده تا هزاران نفر بتوانند با اعتماد‌به‌نفس بیشتر، دانش کاربردی و بینش جهانی خود را گسترش دهند. International Royal Academy نه‌فقط یک نهاد آموزشی، بلکه جامعه‌ای یادگیرنده و بین‌المللی است که آموزش را ابزاری برای توانمندسازی و تغییر مثبت در زندگی می‌داند.
🎓 زمین پی‌جویان نگار | آموزش تخصصی با تکیه بر تجربه معدنی
زمین پی‌جویان نگار یک شرکت تخصصی در حوزه خدمات زمین‌شناسی، اکتشاف مواد معدنی و توسعه فناوری‌های نوین معدنی است که از سال ۱۳۹۶ فعالیت خود را آغاز کرده و در سال‌های اخیر، به‌عنوان یکی از شرکت‌های پیشرو در به‌کارگیری فناوری‌های نوین در پروژه‌های معدنی شناخته شده است.
این شرکت اکنون با تکیه بر تجربه میدانی و علمی در پروژه‌های بزرگ اکتشافی و معدنی، وارد حوزه آموزش‌های تخصصی و حرفه‌ای شده است. ما باور داریم که آموزش واقعی باید از دل عمل بیرون بیاید. به همین دلیل دوره‌های آموزشی زمین پی‌جویان نگار، برخاسته از تجربه‌ی اجرایی تیم متخصص ما در پروژه‌های ملی و بین‌المللی است.
در کنار خدماتی مانند:
طراحی و اجرای پروژه‌های ژئوشیمیایی، ژئوفیزیکی و حفاری اکتشافی
مدل‌سازی سه‌بعدی ذخایر معدنی
تحلیل داده‌های مکانی با هوش مصنوعی
ارائه پلتفرم‌های هوشمند برای نقشه‌برداری و تصمیم‌سازی در معدن
ما اکنون بخشی از توان خود را صرف توانمندسازی نیروی انسانی متخصص در حوزه معدن و علوم زمین کرده‌ایم.
دوره‌های ما بر پایه داده‌های واقعی، پروژه‌های اجراشده و ابزارهای حرفه‌ای طراحی شده‌اند و به فراگیران کمک می‌کنند تا علاوه‌بر یادگیری مفاهیم تئوری، بتوانند در دنیای واقعی معدن و اکتشاف نقش‌آفرین باشند.
زمین پی‌جویان نگار نه صرفاً یک نهاد آموزشی، بلکه یک بازیگر فعال صنعت معدن است که دانش را از دل عملیات بیرون می‌کشد و آن را در اختیار نسل آینده قرار می‌دهد.
درباره دوره جامع هوش مصنوعی از زبان مدرس دوره، جناب آقای دکتر امیر شمائی
سرفصل‌های دوره جامع هوش مصنوعی
ماژول ۱: مبانی هوش مصنوعی و یادگیری ماشین (۲۰ ساعت)
۱.۱ مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
معرفی مفاهیم پایه در یادگیری ماشین (ML) و یادگیری عمیق (DL)
تفاوت یادگیری نظارت‌شده، بدون‌نظارت و تقویتی
الگوریتم‌های کلیدی، کاربردهای صنعتی، و بسترهای پردازشی مانند GPU
۱.۲ مبانی شبکه‌های عصبی مصنوعی
ساختار نورون، لایه‌های ورودی، پنهان و خروجی
چگونگی انجام محاسبات عددی با NumPy برای پیاده‌سازی یک شبکه ساده
۱.۳ آموزش شبکه‌های عصبی
الگوریتم‌های پس‌انتشار خطا (Backpropagation) و گرادیان کاهشی
تکنیک‌های تنظیم و بهینه‌سازی شامل L2 Regularization، Dropout، تنظیم وزن‌ها
۱.۴ ابزارهای مورد نیاز و محیط‌های توسعه
آشنایی با Python، NumPy، Pandas، Matplotlib
معرفی و استفاده از PyTorch و TensorFlow
محیط‌های Jupyter Notebook و Google Colab
استفاده از Git و GitHub برای کنترل نسخه
ماژول ۲: بینایی ماشین و یادگیری عمیق در تحلیل تصویر (۲۵ ساعت)
۲.۱ مقدمه‌ای بر بینایی ماشین و تحلیل تصویر
معرفی مفاهیم پایه‌ای مانند پیکسل، ماتریس تصویر، نویز، تقسیم‌بندی و طبقه‌بندی
بررسی مجموعه‌داده‌های تصویری مانند MNIST، CIFAR-10، ImageNet
۲.۲ شبکه‌های عصبی کانولوشنی (CNN)
اجزای اصلی CNN: لایه‌های کانولوشن، Pooling، Flatten و Fully Connected
پیاده‌سازی شبکه ساده با NumPy و سپس با PyTorch
۲.۳ معماری‌های پیشرفته CNN
مروری بر معماری‌های AlexNet، VGG، GoogLeNet و ResNet
یادگیری انتقالی و استفاده از مدل‌های از پیش آموزش‌دیده
۲.۴ تکنیک‌های تشخیص و تفکیک اشیاء
روش‌های پیشرفته برای Segmentation و Object Detection
بررسی مدل‌هایی چون YOLO، Faster R-CNN، U-Net و FCN
تمرین‌های عملی روی پروژه‌های تشخیص اشیاء و تفکیک تصویر
ماژول ۳: پردازش زبان طبیعی (NLP) و مدل‌های زبانی بزرگ (۲۰ ساعت)
۳.۱ مبانی پردازش متن و ترنسفورمرها
آشنایی با مفاهیم NLP، توکن‌سازی، حذف توقف‌کلمات، ریشه‌یابی
روش‌های مدرن مانند Word2Vec، GloVe، BERT
معرفی معماری Transformer، Self-Attention، Encoder/Decoder، Positional Encoding
۳.۲ مدل‌های زبانی بزرگ (LLMs) و پیاده‌سازی GPT-2
آشنایی با خانواده GPT و ساختار Decoder-only
نحوه پیش‌آموزش مدل‌ها و تولید متن به صورت خودرگرسیو
تمرین عملی: پیاده‌سازی بخش‌هایی از GPT-2 با PyTorch، بارگذاری وزن‌ها، تولید متن
دیدگاهها
پاکسازی فیلترهیچ دیدگاهی برای این محصول نوشته نشده است.