| جلسات رویداد | زمان برگزاری |
|---|---|
| 1 | 18:00 - 1404/09/12 |
| 2 | 18:00 - 1404/09/13 |
آیا تا حالا برای یادگیری هوش مصنوعی بین صدها آموزش پراکنده سردرگم شدهاید؟
در این دوره، دیگر خبری از مسیرهای نامنظم، سرچهای بیپایان و آموزشهای تئوری نیست.
ما برای شما یک اسکلت یادگیری واحد و هوشمند طراحی کردهایم تا بتوانید از اولین قدم تا اجرای پروژه نهایی، با مسیری روشن، ساختارمند و منتورینگشده پیش بروید.
۱. مینیپروژهها:
برای شروع، دو مینیپروژه طراحی شدهاند تا شما بدون نیاز به سرچهای طولانی و پیچیده، روند واقعی پروژههای AI را تجربه کنید. هر پروژه کوچک، یک قدم واقعی بهسوی درک عمیقتر از NLP و بینایی ماشین است.
۲. اسکلت ثابت پروژهها:
تمام دانشجویان با یک ساختار یکسان از مراحل یادگیری (از جمعآوری داده تا ارزیابی و ارائه خروجی) پیش میروند.
این یعنی دیگر لازم نیست هرکسی مسیر خودش را از صفر کشف کند — فقط داده یا هدف پروژه تغییر میکند، نه مسیر یادگیری.
۳. پروژه اصلی منتورینگشده:
در انتهای دوره، هر دانشجو پروژه شخصی خود را با همراهی منتور انجام میدهد.
منتور مانند راهنما، مسیر را هدایت میکند و اجازه نمیدهد دانشجو بین منابع مختلف گم شود یا سردرگم بماند.
۴. تکیه بر مهارت واقعی، نه تئوری:
دانشجو همان مهارتهایی را میآموزد که میتواند بلافاصله در رزومه، مصاحبه شغلی یا پروژه واقعی استفاده کند — نه صرفاً مفاهیم انتزاعی یا آموزشی.
این دوره طراحی شده تا جلوی سردرگمی، اتلاف وقت و پراکندگی آموزشی را بگیرد و مسیر یادگیری هوش مصنوعی را به شکلی کوتاه، مؤثر و ساختارمند ارائه دهد.
شما در پایان دوره نه تنها پروژه اجرا کردهاید، بلکه یاد گرفتهاید چطور هر پروژه دیگری را با همین اسکلت بسازید.
لطفا پس از تکمیل ثبت نام خود، جهت عضویت در گروه تلگرامی دوره مربوطه، با ادمین انجمن از طریق تلگرام در ارتباط باشید:
@Nra_lras
معرفی مسیر یادگیری پروژهمحور
نصب و راهاندازی Google Colab و کتابخانههای لازم
آشنایی با ساختار اسکلت پروژهها و پوشهبندی استاندارد
موضوع: تبدیل گفتار به متن و خلاصهسازی (Speech-to-Text & Summarization)
دریافت و بارگذاری فایل صوتی
تبدیل گفتار به متن با مدل Whisper
خلاصهسازی متن با مدل DistilBART
تحلیل خروجی و نمایش نتیجه
نکات مهم در پیشپردازش متن و بهینهسازی زمان اجرا
موضوع: دستهبندی تصویر با Transfer Learning
آشنایی با مفهوم Transfer Learning
استفاده از مدل آماده
بارگذاری دیتاست و آمادهسازی دادهها
آموزش و ارزیابی مدل (Accuracy, Loss, Confusion Matrix)
نکات مهم در بهبود عملکرد مدل و تفسیر نتایج
بررسی اسکلت ثابت پروژهها (data / src / results / README)
نحوه جایگذاری دادههای شخصی
تعریف هدف و تعداد کلاسهای هر پروژه
انتخاب موضوع پروژه بر اساس علاقه یا رشته تحصیلی
اجرای گامبهگام پروژه زیر نظر منتور
رفع اشکال گروهی و تحلیل نتایج
آمادهسازی فایل نهایی، README و اسلاید ارائه

| جلسات رویداد | زمان برگزاری |
|---|---|
| 1 | 18:00 - 1404/09/12 |
| 2 | 18:00 - 1404/09/13 |

رویدادستان یک سامانهی آنلاین برای تمام انجمن های علمی است که در حوزهی برگزاری رویداد فعالیت دارند یا دانشجویانی که میخواهند به راحتی رویدادهای مورد علاقهشان را پیدا کرده و در آنها شرکت کنند.
قوانین ثبت دیدگاه