مفاهیم تکمیلی هوش مصنوعی نوجوان · حضوری

از میان عددها و نشانه‌ها سرنخ پیدا می‌کنیم و داستانی را که داده‌ها تعریف می‌کنند توضیح می‌دهیم.

از دادهٔ خام ویژگی‌های مفید می‌سازیم و اثر انتخاب ویژگی را روی تصمیم مدل می‌سنجیم.

لایه‌های یک شبکهٔ عمیق را می‌چینیم و نقش هر لایه را در یادگیری یک مسئلهٔ پیچیده می‌بینیم.

درخواست مبهم را به پرامپتی دقیق با هدف، زمینه و شکل پاسخ تبدیل می‌کنیم.

چند خروجی مولد را مقایسه می‌کنیم و یاد می‌گیریم نتیجه را فقط به‌خاطر ظاهرش انتخاب نکنیم.

پشت پیش‌بینی مدل را بررسی می‌کنیم تا بفهمیم به کدام نشانه‌ها بیشتر تکیه کرده است.

اثر داده‌های نابرابر را می‌بینیم و راه‌های منصفانه‌ترکردن تصمیم الگوریتمی را بررسی می‌کنیم.

خطرهای یک سامانهٔ هوشمند و راه‌های مراقبت از داده‌های حساس را شناسایی می‌کنیم.

یک هدف بزرگ را به کارهای کوچک تقسیم می‌کنیم و نقش برنامه‌ریزی و ابزارها را در عامل هوشمند می‌بینیم.

یک مسئلهٔ واقعی را از تعریف هدف تا انتخاب داده و روش، به نقشهٔ یک پروژه تبدیل می‌کنیم.