با توجه به رشد پرسرعت حوزه هوش مصنوعی امروزه با رویکردهای نوین آن مواجه هستیم. این رویکردها به قابلیت های بسیار وسیعی مجهز شده اند که می توانند بسیاری از پدیده های اطراف ما را درک کنند. در این دوره پس از درک مفهوم داده سراغ استفاده از رویکردهای مطرح و ساده این حوزه می رویم. این گام به ما کمک می کند تا مفاهیم اصلی این حوزه را در کنار زیرساخت اجرای آن درک کنیم. در ادامه کاربرد فضای هوش مصنوعی در موضوعات مختلف جهان را بررسی کنیم. این امر باعث تقویت مهارت حل مساله در این حوزه خواهد شد. رویکردهای مختلف مبتنی بر یادگیری با نظارت، خوشه بندی داده ها از مواردی است که در بخش اول این دوره پرداخته می شوند.

در بخش دوم دوره سراغ رویکردهای پیشرفته تر این حوزه می رویم. درک قوی ما از این حوزه باعث می شود تا به راحتی رویکردهای جدید را فرا بگیریم و از آنان در مسائل پر چالش واقعی استفاده کنیم. در مسیر این دوره از مثال های مختلف دنیای واقعی استفاده می کنیم تا یادگیری خود را تکمیل کنیم همچنین کلیه نتایج بدست آمده را تحلیل می کنیم تا درکمان از عملکرد مدل هوشمند ارتقا یابد.

• آشنا به آمار و احتمال ریاضی
• برنامه نویسی پایتون
• آنالیز داده

• بررسی روشهای گوناگون آماده سازی مجموعه دادگان
• بررسی رویکردهای گوناگون دسته بندی داده ها
• بررسی رویکرد نزدیکترین همسایه
• بررسی رویکردهای گوناگون رگرسیون خطی
• بررسی رویکرد ماشین بردار پشتیبان
• بررسی رویکرد درخت تصمیم
• بررسی رویکردهای گوناگون خوشه بندی اطلاعات
• بررسی رویکردهای مختلف کاهش بعد
• بررسی رویکردهای مختلف مدل های ترکیبی
• بررسی ساختارهای گوناگون شبکه های عصبی
• ادامه سر فصل ها ...

• ساخت مدل های هوشمند برای استخراج الگو و ویژگی در داده ها
• ساخت مدل های هوشمند مبتنی بر ناظر برای دسته بندی داده ها
• ساخت مدل های هوشمند بدون ناظر برای خوشه بندی داده ها
• بهبود عملکرد مدل های هوشمند با اصلاح ابعاد داده ای
• معرفی مدل یادگیری مغز انسان با بررسی عملکرد نورون ها
• شبیه سازی عملکرد نورونهای مغز انسان در شبکه عصبی در کنار نحوه تکثیر دانش در آن
• پیاده سازی روال های Forward propagation و Backpropagationدر شبکه های عصبی به صورت پایه ای و بررسی کتابخانه های مرتبط با آن در پایتون
• پیاده سازی شبکه های نیمه عمیق عصبی برای دسته بندی و پیش بینی داده

• رویکردهای موجود در یادگیری ماشین به دلیل عدم نیاز به منابع سخت افزاری قوی بسیار مورد توجه قرار میگیرد و در صنایعی که به تازگی با این حوزه آشنا شده اند بسیار کاربردی خواهد بود.
• بسیاری از کسب و کارهای نوپا برای ورود به حوزه‌ی هوش مصنوعی رویکردهای یادگیری ماشین را برمی گزینند. از این رو جذب متخصص یادگیری ماشین برای آنان می تواند بسیار ارزنده باشد.
• گذراندن این دوره به عنوان یکی از دوره های اصلی هوش مصنوعی می تواند تجربه استفاده از الگوریتم های مطرح این حوزه را در بخش صنعت برای شما فراهم کند.
• این دوره به عنوان دوره میانی هوش مصنوعی پیش نیاز شما برای ورود به دنیای یادگیری عمیق بوده و شما را برای استفاده از قابلیت های هوشمند در لبه تکنولوژی آماده می کند.
• امکان استخدام به عنوان یک مهندس یادگیری ماشین در شرکت های بزرگ برنامه نویسی پس از گذراندن این دوره میسر است.