رویداد به پایان رسیده است!
ناپروکادمی: آموزش جامع واقعیت‌افزوده و هوش‌مصنوعی در تاریخ جمعه ۱۳ تیر به پایان رسیده است. (جزئیات بیشتر)

رویدادهای زیر را به شما پیشنهاد می‌کنیم

کاور
پنج‌شنبه ۲۱ فروردین ساعت ۰۹:۰۰

ناپروکادمی: آموزش جامع واقعیت‌افزوده و هوش‌مصنوعی

  • رایگان
  • تهران
  • تکنولوژی
مهلت ثبت‌نام برای این رویداد به پایان رسیده است.

مقدمه


روند روزافزون تولید محصولات مرتبط با هوش مصنوعی، توسط شرکت‌های تکنولوژی و حتی استفاده کنندگان از تکنولوژی، هر ساله، چندین برابر می‌شود و این مساله، دنیا را با کمبود استعدادهای این رشته مواجه کرده است و پیشبینی می شود که برای سالیان زیادی این کمبود، ادامه خواهد داشت. چرا که نرخ درخواست این تخصص، از سوی بازار کار، همواره بیشتر از نرخ پرورش متخصصین در این رشته می‌باشد.

صرفا بررسی و پیشبینی بازار یادگیری ماشین (Machine Learning) که بخشی از هوش مصنوعی محسوب می شود در دنیا، نشان می دهد که این بازار از 1.4 میلیارد دلار در سال 2017 به 8.8 میلیارد دلار در سال 2022 خواهد رسید. (منبع: https://www.researchandmarkets.com/research/d4qjtv/machine_learning)

پیشبینی می شود که هوش مصنوعی 2.3 میلیون شغل جدید را در سال 2020 ایجاد کند. (منبع: https://www.gartner.com/en/newsroom)

از سال 2015 تا 2018 مشاغل مرتبط با AI بر روی وب‌سایت Indeed با 119 درصد رشد مراجه شده اند. (منبع: https://www.techrepublic.com/article/here-are-the-10-most-in-demand-ai-skills-and-how-to-develop-them/)

همه‌ی موارد مذکور باعث شده است که مشاغل مرتبط با هوش مصنوعی از حقوق نجومی برخوردار باشند. فقط متخصصین یادگیری ماشین با درآمد میانگین (125 تا 175 هزار دلار در سال) جزء پردرآمدترین اقشار دنیا محسوب می‌شوند. (البته میانگین پرداختی 10 شرکت برتر دنیا، بیش از 200 هزار دلار در سال می‌باشد.)

اوضاع واقعیت افزوده هم به همین صورت است. پیشبینی‌ها نشان می‌دهد که بازار واقعیت افزوده در این چند سال، رشد بی‌نظیری را تجربه خواهد کرد. به عددها خوب توجه کنید، قاعدتا دیگر نیازی به توضیحات بیشتر نخواهد داشت: از 3.5 میلیارد دلار در سال 2017 به 198 میلیارد دلار در سال 2025. (منبع: https://www.statista.com/statistics/897587/world-augmented-reality-market-value/)

بخاطر همین هست که تیم کوک، مدیرعامل اپل، میگوید "من فکر می کنم که بخشی از زندگی مردم همه‌ی کشورها هر روز درگیر AR خواهد شد، تقریبا مثل غذا، سه وعده در روز. دقیقا همین مقدار درگیرش میشوید."

در ناپروکادمی، ما در حال پر کردن یک جای خالی بسیار مهم در بازار هستیم و آن، یادگیری ترکیبی دو رشته‌ی مهم AR و AI در یک بوت‌کمپ است. چیزی که این روزها، دنیا به شدت درگیر آن می‌باشد.

در‌حالی‌که دانشگاه‌ها فقط به شما یاد می‌دهند که یادگیری ماشینی چیست، ما به شما تخصص‌های متعددی را از پایه آموزش می‌دهیم و کمک می‌کنیم که آن‌ها را نه فقط یاد بگیرید، بلکه تجربه کنید...


این دوره مناسب چه کسانی است؟


این دوره، یک دوره‌ی جامع و پیشرفته‌ی مهندسی محسوب می گردد که مناسب برنامه‌نویس‌ها، متخصصین کامپیوتر، و کلیه‌ی علاقمندان به برنامه‌نویسی می‌باشد.

اگر تا کنون تخصص ویژه‌ای در علوم کامپیوتری کسب نکرده‌اید، و مایلید که در این دوره شرکت کنید، باید تلاش بی‌اندازه و سخت‌کوشی فراوانی را به کار بگیرید.

با توجه به اینکه هوش‌مصنوعی و واقعیت‌افزوده در دنیا، دارای بازار کار کم‌نظیری هستند، این دوره برای کسانی که قصد مهاجرت دارند نیز، بسیار توصیه می‌شود.


سرفصل‌ها


  • ریاضیات مورد نیاز هوش مصنوعی (Mathematics)
    در این بخش با مقدمات مفاهیم ریاضی و آماری مورد نیاز در هوش‌مصنوعی و واقعیت‌افزوده می‌پردازیم. این مطالب شامل سرفصل‌های زیر می‌باشند:
    • حسابان در حد نیاز (Calculus)
    • جبر خطی به صورت ‌جامع (Linear Algebra)
    • احتمالات شامل احتمال شرطی، قضیه بیز، و برنامه‌نویسی احتمالات (Probabilities)

 

 

  • آموزش زبان برنامه نویسی پایتون (Python Programming Language)
    • مفاهیم اولیه پایتون
    • آناتومی پایتون
    • کار کردن با زمان
    • کار کردن با داده
    • کار کردن با وب
    • ساختار داده در پایتون
    • شیءگرایی در پایتون
    • کار کردن با پایگاه داده
    • پیاده‌سازی مثال‌های واقعی و عملی

 

 

  • هوش مصنوعی و علوم داده (Artificial Intelligence and Data Science)
    • یادگیری ماشین شامل الگوریتم های یادگیری نظارت شده و نظارت نشده (Machine Learning)
      • در این بخش، به یادگیری ابزارها و کتابخانه‌های مختلف که در علوم‌داده (‌Data Science) و یادگیری ماشین (Machine Learning) به کار می‌روند، می‌پردازیم.
      • در بخش علوم داده آشنایی با: (Pandas, scikit-learn, Keras, and TensorFlow)
      • در بخش ابزارهای مهندسی داده آشنایی با: (Spark/PySpark, Luigi, Containers, and AWS)
      • در بخش مهندسی نرم‌افزار آشنایی با: (Continuous integration, version control with Git, logging, testing, and debugging)
      • در بخش یادگیری ماشین، یادگیری الگوریتم‌های رایج شامل: (Linear regression, logistic regression, and statistical modeling)
      • در بخش یادگیری ماشین، یادگیری الگوریتم‌های پیشرفته شامل: (Decision Tree, Random Forest, gradient boosting, and K-means clustering)
      • در بخش یادگیری ماشین، مفاهیم انتخاب، ارزیابی و تفسیر شامل: (Regularization, the Curse of Dimensionality, and cross-validation)
      • در بخش یادگیری ماشین، آشنایی با ابزارهای مهم شامل: (Scikit-learn, SparkML, Auto-ML systems)

 

    • یادگیری عمیق (Deep Learning)
      یادگیری عمیق شامل تکنیک‌های پیشرفته‌ی یادگیری ماشین می‌باشد که بسیاری از اپلیکیشن‌های کنونی را قدرتمند کرده‌است. این مهارت شامل تشخیص تصویر، ترجمه‌ی ماشینی، ماشین‌های خودران، تشخیص صوت و بسیاری از توانمندی‌های دیگر یک ماشین می‌شود. یادگیری عمیق بر محور شبکه‌های عصبی است که از ساختار مغز انسان الهام گرفته‌اند. در این بخش، یاد می گیرید که از تمام ظرفیت‌های یادگیری عمیق در اپلیکیشن‌های واقعی استفاده کنید.این بخش، شامل موارد زیر می‌باشد:
        • یادگیری تکنیک‌های مقدماتی
        • شبکه‌های عصبی عمیق
        • تنظیمات رایج شبکه‌های عصبی (به عنوان مثال: RNNs, CNNs, MLPs, LSTMs)
        • یادگیری عمیق تولیدی (GANs)
        • فریمورک‌های مهندسی از قبیل (Keras, TensorFlow, PyTorch)

 

    • بینایی کامپیوتر و پردازش تصویر (Computer Vision and Image Processing)
      پردازش تصویر در دهه‌ی اخیر با توجه به کاربرد فراوانش، به خصوص در شبکه‌های اجتماعی، مورد استفاده‌ی بسیاری از شرکت‌ها قرار گرفته‌ است. تشخیص اشیائی همچون ماشین‌ها و انسان‌ها با استفاده از تصاویر، کار سختی است. اما با استفاده از تکنیک‌های ‌AI، این صنعت، تغییرات شگرفی داشته است. در این بخش، در یک پروژه‌ی کاملا واقعی، یک مسئله‌ی پردازش تصویر را با یکدیگر حل خواهیم کرد. بینایی کامپیوتر و پردازش تصویر، هر چند که به یکدیگر مرتبطند، اما کاملا دو مفهوم مجزا هستند.
      • در این آموزش به یادگیری مفاهیم بینایی کامپیوتر و پردازش تصویر خواهیم پرداخت.
      • همچنین، به یادگیری مفاهیم Clustering و Classification با استفاده از ابزارهای (K-means, multitask classifiers, and GANs) می‌پردازیم.
      • تشخیص اشیاء و دسته‌بندی آن‌ها با استفاده از الگوریتم‌ها، یکی دیگر از بخش‌های آموزشی این حوزه می باشد.
      • در نهایت، در این بخش به آشنایی با ابزارهای روز دنیا برای بینایی کامپیوتر خواهیم پرداخت.

 

    • پردازش زبان طبیعی (NLP)
      این دانش، از تکنیک‌های موجود در علوم‌کامپیوتر، زبانشناسی و یادگیری ماشینی برای پردازش زبان بشر استفاده می‌کند. در این بخش، مفاهیم اولیه‌ی داده‌های متنی، پردازش آن‌ها، و ایجاد برداشت از متون و مکالمات متنی را یاد می‌گیریم. موارد زیر در این بخش، آموزش داده می‌شوند:
        • یادگیری NLP در پایتون با استفاده از (NLTK and spaCy)
        • تکنیک‌های یادگیری عمیق برای NLP
        • آشنایی با چت‌بات‌ها و دیگر اپلیکیشن‌های مدرن که از ‌‌NLP استفاده می‌کنند

 

 

  • واقعیت افزوده (Augmented Reality)
    در این بخش، به یادگیری دانش AR می پردازیم که برای پیاده‌سازی یک ساختار افزوده شده با استفاده از کامپیوتر به دنیای واقعی می‌باشد. مواردی که در این بخش مطرح می‌شوند، عبارتند از:
    • طراحی مدل سه بعدی (3D-model Design)
    • پیاده‌سازی اپلیکیشن واقعیت‌افزوده با استفاده از Vuforia
    • پیاده‌سازی واقعیت افزوده با استفاده از ARCore
    • پیاده سازی واقعیت افزوده با استفاده از ARKit
    • ترکیب واقعیت افزوده و هوش مصنوعی (AR & AI)

 

 

  • پیاده سازی پروژه نهایی (Capstone Project)
    در این مرحله بررسی می‌کنیم که چگونه همه‌ی چیزهایی که یاد گرفتیم را در یک پروژه عملی کنار هم قرار دهیم و چه ابزارها، تکنیک‌ها، و کتابخانه‌هایی در این مسیر به کمک ما خواهند امد. این قسمت نیز، یکی از بخش‌های اجباری این دوره برای دانشجویان می‌باشد.
    این بخش، شامل مراحل زیر می‌باشد:
    • انتخاب ایده‌ی اولیه
    • نگارش پروپوزال برای پیاده‌سازی ایده
    • جمع‌آوری داده
    • نمونه اولیه برای بخش یادگیری ماشین
    • نمونه اولیه برای بخش بینایی ماشین
    • نمونه اولیه برای بخش واقعیت‌افزوده
    • طراحی یک معماری برای پیاده‌سازی
    • اجرای کد و تست نهایی
    • انتشار اپلیکیشن نهایی به عنوان یک محصول

 

 

 


تاریخ و ساعت جلسات


این آموزش جامع، طی ۱۴ جلسه‌ی ۹ ساعته (۷ ماژول) از تاریخ ۲۱ فروردین تا ۱۳ تیر ۱۳۹۹ (یک هفته در میان) در روزهای پنجشنبه و جمعه از ساعت ۹ تا ۱۸ برگزار می گردد.

 

تاریخ های برگزاری به شرح زیر می‌باشند:

۲۱ و ۲۲ فروردین ۱۳۹۹

۴ و ۵ اردیبهشت ۱۳۹۹

۱۸ و ۱۹ اردیبهشت ۱۳۹۹

۱ و ۲ خرداد ۱۳۹۹

۱۵ و ۱۶ خرداد ۱۳۹۹

۲۹ و ۳۰ خرداد ۱۳۹۹

۱۲ و ۱۳ تیر ۱۳۹۹

 

البته تعداد جلسات مذکور، حداقل زمان برگزاری دوره می‌باشد. به تشخیص استاد و نیاز دانشجویان، تا تکمیل تمامی سرفصل‌هایی که قرار است آموزش داده شوند، کلاس را ادامه خواهیم داد.

 

 

 


امکانات دوره


پشتیبانی در تمام طول دوره: از این کلاس در تمامی طول هفته، توسط استاد و دستیاران، پشتیبانی محتوایی، کارآموزی و علمی خواهد شد. به این معناست که هر یک از دانشجویان در قالب جلسات ۱:۱ می‌توانند در فضای اختصاص داده شده و با برنامه ریزی قبلی، به یادگیری مفاهیم به صورت عملی، حل تمارین به صورت گروهی و مشاوره با استاد به صورت خصوصی بپردازند.


تمارین و جلسات رفع اشکال: در طول دوره و در پایان هر ماژول، تمارین واقعی و امتحانات متعددی ارائه می گردند که در طول هفته، به انجام آن ها، قدم به قدم، خواهیم پرداخت و تا عدم حصول اطمینان از یادگیری همه‌ی دانشجویان، به رفع اشکالات ادامه می‌دهیم.


کارآموزی در طول دوره: همچنین امکان کارآموزی در یک پروژه‌ی کاملا واقعی برای افراد برتر دوره که داوطلب شرکت در یکی از پروژه‌های بین‌المللی ناپرولیتی می‌باشند، وجود دارد. (این کار با امضای قرارداد عدم افشای اطلاعات و رضایت طرفین، ممکن می‌گردد.)

 

ارائه‌ی محتوای علمی مورد نیاز: برای هر ماژول، محتوایی ارزشمند، جامع، کارآمد و گزینش شده توسط اساتید، از بهترین منابع موجود در دنیا، به صورت پرینت یا الکترونیکی، در اختیار دانشجویان قرار خواهد گرفت.

 

تیم پشتیبانی ناپروکادمی: تیم پشتیبانی شامل استاد، راهنما، مدیر گروه و راهنمای شغل‌یابی، شما را برای رسیدن به اهدافتان همراهی خواهند کرد. شما می‌توانید با برقراری تماس تلفنی با اساتیدی که برای راهنمایی شما در طول دوره در نظر گرفته می‌شوند، از ایشان به صورت خصوصی در جلسات یک نفره، راهنمایی بگیرید.

 

خدمات رزومه‌نویسی و کاریابی: در طول دوره، پیشنهادات شرکت‌های مرتبط با هوش‌مصنوعی و واقعیت‌افزوده برای کار، در اختیار شما عزیزان قرار می‌گیرد و شما می‌توانید با استفاده از راهنمایی اساتید برگزار کننده در مورد نگارش رزومه، مصاحبه‌ی کاری، کارآموزی یا کاریابی در آن شرکت‌ها، اقدام و تصمیم‌گیری نمایید.

 

 

 


روند و شرایط پرداخت



قوانین ثبت نام


لطفا قبل از انجام پیش ثبت نام، حتما قوانین زیر را مطالعه نمائید.

شرایط بازگشت مبلغ پیش ثبت‌نام

در صورتی که متقاضی محترم، پیش ثبت‌نام را انجام داده و در مرحله‌ی مصاحبه رد شود، کل مبلغ پرداخت شده برای پیش ثبت‌نام، به صورت کامل عودت داده خواهد شد.

اما در صورتی که متقاضی گرامی، قبل از مصاحبه، یا بعد از قبولی در مصاحبه انصراف دهد، مبلغ پیش ثبت نام بازگردانده نخواهد شد.

بدین جهت دانشجوی محترم، باید، کاملا از تصمیم خود برای پیش ثبت نام مطمئن باشد.

 

شرایط بازگشت مبلغ کل ثبت‌نام دوره

اگر ثبت نام کننده، پیش از تاریخ شروع دوره اقدام به انصراف نماید، مبلغ پرداختی وی با کسر ۳۰ درصد بابت خسارت، عودت داده می‌شود و در صورتی که پس از تاریخ شروع دوره، با ذکر دلایل منطقی، اقدام به انصراف نماید، پس از کسر ۳۰ درصد از مبلغ پرداخت‌شده به اضافه‌ی شهریه‌ی جلسات برگزار شده، باقیمانده‌ی مبلغ پرداخت‌شده، بازگردانده می‌شود.

زمان‌بندی

زمان بندی هر جلسه
عنوانشروعپایان
پذیرش و خوش‌آمدگویی۰۸:۳۰۰۹:۰۰
آموزش بخش ۱۰۹:۰۰۱۰:۴۵
پذیرایی۱۰:۴۵۱۱:۰۰
آموزش بخش ۲۱۱:۰۰۱۲:۴۵
ناهار۱۲:۴۵۱۴:۰۰
آموزش بخش ۳۱۴:۰۰۱۵:۴۵
پذیرایی۱۵:۴۵۱۶:۰۰
تمرین۱۶:۰۰۱۸:۰۰

اساتید

مهرداد نادری
مهرداد نادری
بنیانگذار و مدیرعامل ناپرولیتی

تیم برگزارکننده

امیرحسین شعبانی نژاد
امیرحسین شعبانی نژاد
دبیر برگزاری

برگزارکنندگان

ناپروکادمی
ناپروکادمی
آکادمی ناپرولیتی

آدرس

تهران ابتدای اقدسیه، مجتمع اداری تجاری شمیران سنتر، واحد ۶۱۵

موقعیت جغرافیایی رویداد

برگزار‌کننده

آواتار

گروه بین المللی ناپرولیتی

شرکت بین المللی ناپرولیتی با تمرکز بر سه حوزه ی آموزش، مشاوره، و پیاده سازی نرم افزارهای High-tech، خود را در زمره ی یکی از شرکت های با فناوری برتر قرار داده است. هر یک از بخش های ناپرولیتی، با استفاده از برترین تکنولوژی ها و با دارا بودن بهترین متخص

رویداد های برگزارشده۱۹
رویداد های فعال۱
تعداد افراد توصیهکننده این برگزارکنندهبیشتر از ۱۰ نفر