دورهٔ توسعهٔ عملی هوش مصنوعی برای برنامه‌نویسانی که پایتون و مبانی هوش مصنوعی را می‌دانند و می‌خواهند سامانه‌ای بسازند که بتوان به نتیجه‌اش اعتماد کرد.
از تبدیل یک درخواست مبهم به مسئلهٔ دقیق و قرارداد داده شروع می‌کنید؛ سپس با تقسیم بدون نشت، سنجه و تحلیل خطا، مدل‌های جدولی، پردازش متن فارسی، پردازش تصویر و OCR، کارگاه‌های سری زمانی، صوت، توصیه‌گر و یادگیری تقویتی، و سامانهٔ RAG با استناد و امتناع از پاسخ پیش می‌روید و در پایان، مدل را به سرویسی محلی با آزمون، پایش و بازگشت نسخه تبدیل می‌کنید.
دوره ۱۰ فصل اصلی، یک پیوست اختیاری برای مرور مبانی با پایتون و یک بخش پایانی دارد: در مجموع ۲۰۸ درس، ۱۱ آزمون با ۱۲۰ پرسش (۱۰ آزمون فصل و یک آزمون جامع)، آزمایشگاه‌های کد با خروجی بررسی‌شده، تمرین و فعالیت با پاسخ تشریحی، سه مسیر پروژهٔ پایانی با معیار ارزیابی صدنمره‌ای و واژه‌نامهٔ کامل.
همهٔ آزمایشگاه‌های اجباری روی CPU و بدون کلید API اجرا می‌شوند؛ مسیرهای PyTorch، Tesseract، مدل آماده و مولد واقعی اختیاری‌اند.
سرفصل‌ها با الهام از دورهٔ Building AI دانشگاه هلسینکی تهیه شده‌اند؛ درس‌نامهٔ فارسی، مثال‌ها، کدها، آزمون‌ها و پروژه‌ها برای این آکادمی تألیف شده‌اند.
دوره‌های پیش‌نیاز
- آموزش مبانی هوش مصنوعی
- آموزش پایتون پیشرفته رایگان
- آموزش پایتون مقدماتی رایگان
پیشنهاد می‌شود پیش از شروع این دوره، دوره‌های بالا را گذرانده باشید.
پیش‌نیازها
تسلط به برنامه‌نویسی پایتون و آشنایی با مبانی هوش مصنوعی، یادگیری ماشین، احتمال و شبکه‌های عصبی. گذراندن دورهٔ «آموزش مبانی هوش مصنوعی» و مباحث پایتون مقدماتی و پیشرفته پیشنهاد می‌شود؛ برای مرور سریع پیش‌نیازها، پیوست «مرور مبانی با پایتون» در انتهای دوره آمده است.