آموزش هوش مصنوعی و علم داده

هوش مصنوعی چیست؟

هوش مصنوعی یا Artificial intelligence که به اختصار به آن AI نیز گفته می شود، یک فناوری انقلابی است که به کمک آن می توان نرم افزارها و ربات هایی را طراحی کرد که به مانند انسان می توانند فکر و تحلیل کنند و تصمیم بگیرند. البته فاصله زیادی وجود دارد تا بتوان به طور کامل از هوش مصنوعی به عنوان جایگزین نیروی کار انسانی استفاده کرد. اما این فناوری به سرعت در حال رشد می باشد و موفقیت های بسیاری تاکنون در این زمینه به دست آمده که دنیا را شگفت زده کرده است.

از موفق ترین پروژه های هوش مصنوعی می توان به بات ChatGPT و Midjourney و همینطور به ربات های پیشرفته ای مثل سوفیا (Sophia) اشاره کرد که دنیا را تحت تاثیر خود قرار دادند و امروز جهان به این فکر می کند که چطور از تهدیدهای احتمالی هوش مصنوعی نسبت به انسان در آینده جلوگیری کند.

علم داده چیست؟

در دنیای امروزی روز به روز اهمیت داده ها بیشتر می شود. با پیشرفت کسب و کارها و پیدایش بیگ دیتا (Big Data) و پی بردن به اهمیت داده ها و آنالیز صحیح آنها، تخصص هایی همچون دیتا ساینتیست یا متخصص داده شکل گرفتند و امروزه در تمامی شرکت های متوسط و بزرگ می توان حداقل یک متخصص علم داده پیدا کرد. در واقع علم داده یا دیتا ساینس (data science) ترکیبی از ابزارها، الگوریتم ها و اصول مختلفی از یادگیری ماشین است که با هدف کشف اطلاعات ارزشمند از دل داده‌های خام پدید آمده است و با داده کاوی رابطه ای مستقیم دارد.

هدف اصلی هوش مصنوعی

هدف از توسعه و خلق هوش مصنوعی انتقال وظایف از انسان به ربات ها و نرم افزارها بوده است. در واقع انتظار می رود با هوش مصنوعی کارهایی که به یک ماشین واگذار می شود به خوبی و به درستی انجام شود. اما تفاوت این کارها و وظایف با کارهای معمول دیگر این است که انجام آنها معمولا نیاز به هوش، درک و منظق یک انسان دارد.

خوشبختانه تا به امروز با پیشرفت هایی که در حوزه های یادگیری ماشین و یادگیری عمیق اتفاق افتاده است، می توان گفت تا حدود خیلی خوبی به این آرزو که ربات ها و ماشین ها جایگزین نیروی انسانی شوند، نزدیک شده ایم و ظاهرا از الان باید به فکر چالش هایی که در بازارکار ایجاد خواهند شد باشیم.

مسیر یادگیری هوش مصنوعی

هوش مصنوعی یک علم میان رشته ای است و برای یادگیری آن و فعالیت در این حوزه نیاز است تا با مباحث و حوزه های متنوعی آشنا باشید. در ادامه به اختصار به معرفی مواردی که برای یادگیری هوش مصنوعی پیش نیاز هستند می پردازیم:

• آشنایی با جبر خطی
• آشنایی با توزیع های احتمال
• آشنایی با پایگاه داده
• تفاوت BI و Analytics و Reporting
• آشنایی با فرمت‌های مهم داده‌ها
• آشنایی با RegEx
• برنامه نویسی با پایتون
• آشنایی با کتابخانه NumPy
• آشنایی با Virtual Environment
• آشنایی با داده‌کاوی
• آشنایی با دیتاست ها
• آشنایی با یادگیری ماشین
• آشنایی با یادگیری عمیق
• آشنایی با کگل (kaggle)
• پیش پردازش داده ها و کاوش در داده ها
• آمار و احتمال
• توزیع های احتمال پیوسته
• توزیع های احتمال گسسته
• آشنایی با انواع نمودارها
• آشنایی با کتابخانه matplotlib
• آشنایی با کتابخانه seaborn
• آشنایی با مصورسازی 3بعدی داده ها
• کار با Tableau
• کار با PowerBI
• آشنایی با رگرسیون خطی (Linear Regression)
• آشنایی با رگرسیون لجستیک (Logistic Regression)
• آشنایی با درخت تصمیم (Decision Tree)
• الگوریتم SVM
• الگوریتم Naive Bayes
• الگوریتم K-Means
• الگوریتم DBSCAN
• الگوریتم HDBSCAN
• آشنایی با شبکه های عصبی تک لایه و چند لایه
• شبکه عصبی کانولوشن (CNN)
• شبکه عصبی بازگشتی (RNN)
• شبکه عصبی زایا (GAN)
• آشنایی با ترنسفرمرها (Transformers)
• شبکه Siamese
• آشنایی با Tensorflow
• آشنایی با Pytorch
• آشنایی با یکپارچه سازی داده‌ها (Data Integration)
• آشنایی با OpenRefine
• آشنایی با تلفیق داده‌ها (Data Fusion)
• کار با Docker
• و…

بازار کار Artificial intelligence

به جرات می توان گفت یکی از داغ ترین موقعیت های شغلی حال حاضر در دنیا متخصصین هوش مصنوعی و علم داده هستند. با توجه به رشد سریع استفاده از ابزارهای هوش مصنوعی و همچنین داده محور شدن کسب و کارهای مدرن نیاز به متخصصین داده و هوش مصنوعی هر روز بیش از گذشته احساس می شود. جالب است بدانید که یک متخصص هوش مصنوعی در دنیا تا 250 هزار دلار در سال کسب درآمد می کند که عدد نسبتا بالایی نسبت به دیگر تخصص ها می باشد. بنابراین اگر یادگیری هوش مصنوعی و علم داده را در برنامه های خود دارید، بهتر است بیش از این برای شروع صبر نکنید!