مفاهیم ابتدایی هوش مصنوعی نوجوان · حضوری

پیام را در یک شبکهٔ عصبی ساده دنبال می‌کنیم تا ورودی، نورون و خروجی را بفهمیم.

داده‌های خام را مرتب، برچسب‌گذاری و آماده می‌کنیم؛ چون مدل از مثال‌های خوب یاد می‌گیرد.

مدل‌ها را فقط با جواب‌های درست نمی‌سنجیم؛ خطا، دقت و عملکرد روی دادهٔ تازه را بررسی می‌کنیم.

با جابه‌جایی مرز تصمیم، دسته‌بندی اشیا را در یک میدان قابل‌لمس تجربه می‌کنیم.

ربات با پاداش و آزمون‌وخطا تجربه جمع می‌کند و مسیر بهتر را پیدا می‌کند.

از نور و لبه‌های تصویر شروع می‌کنیم و می‌بینیم مدل چگونه اشیا را تشخیص می‌دهد.

رابطهٔ معنایی کلمه‌ها را پیدا می‌کنیم تا بفهمیم زبان چگونه به دادهٔ قابل‌پردازش تبدیل می‌شود.

روند داده‌های گذشته را می‌خوانیم و از آن برای پیش‌بینی مقدار بعدی استفاده می‌کنیم.

داده‌های نابرابر و تصمیم‌های مدل را بررسی می‌کنیم تا مفهوم عدالت در هوش مصنوعی را بفهمیم.

آموخته‌ها را در یک نقشهٔ پروژه کنار هم می‌گذاریم و ایده را به یک راه‌حل تبدیل می‌کنیم.