دوره آموزشی درک مفاهیم و اصطلاحات هوش مصنوعی با استفاده از ISO/IEC 22989:2022

2 ساعت 17 دقیقهمبتدی2025-02-05

مدرسین

Lyron Andrews

جزئیات دوره

با گسترش استفاده و پیاده‌سازی ابزارهای هوش مصنوعی، ریسک‌های اشتباه تفسیر اهداف و مقاصد در سراسر سازمان نیز افزایش می‌یابد. داشتن درک مشترک از استراتژی‌ها و اهداف مربوط به هوش مصنوعی ابتدا با ایجاد یک واژگان مشترک سازمانی آغاز می‌شود. در این دوره، مربی لیورن اندروز به شما نشان می‌دهد که چگونه زبان استاندارد مفاهیم و اصطلاحات ISO/IEC 22989 می‌تواند زبان مشترکی برای هوش مصنوعی در سازمان شما ایجاد کند. لیورن همچنین نشان می‌دهد که چگونه این سند می‌تواند برای توسعه استانداردهای دیگر و پشتیبانی از ارتباطات میان طرف‌های مختلف ذینفع یا ذی‌نفعان استفاده شود.

اهداف یادگیری:
تعریف شاخه‌های مختلف هوش مصنوعی و ایجاد یک واژگان مشترک سازمانی.
مقایسه و تمایز ویژگی‌ها و کاربردهای کلیدی شاخه‌های مختلف هوش مصنوعی.
طبقه‌بندی شاخه‌های هوش مصنوعی برای انتخاب صحیح و پذیرش موارد استفاده در سازمان.
استفاده از واژگان مشترک ارائه‌شده در ISO/IEC 22989 برای هم‌راستاسازی اهداف کسب‌وکار و درک هوش مصنوعی.
توضیح چگونگی حمایت از ارتباطات و همکاری مؤثر میان ذینفعان مختلف با استفاده از یک واژگان مشترک در هوش مصنوعی.

مهارت ها

Responsible AIIT Service ManagementGovernance, Risk, and ComplianceDevOpsCybersecurityArtificial Intelligence (AI)Network and System AdministrationOne-Off

سرفصل ها

0. مقدمه

01 - مزایای یک زبان هوش مصنوعی مشترک

1. مفاهیم هوش مصنوعی - بندهای 5-5.10

02 - مروری بر مفاهیم هوش مصنوعی (بند 5.1)
03 - هوش مصنوعی قوی، ضعیف، کلی و باریک (بند 5-5.2)
04 - عوامل هوش مصنوعی (بند 5.3)
05 - دانش هوش مصنوعی (بند 5.4)
06 - محاسبات شناختی، معنایی و نرم (بند 5.5-5.7)
07 - الگوریتم‌های نمادین و فرعی ژنتیک (بند 5.8-5.9)
08 - داده‌ها (بند 5.10)

2. مفاهیم یادگیری ماشین - بندهای 5.11-5.12.4

09 - تحت نظارت، بدون نظارت و نیمه نظارت (بند 5.11-5.11.3)
10 - فرآیندهای آموزشی اضافی (بند 5.11.4-5.11.8)
11 - بازآموزی مدل‌های ML (بند 5.11.9)
12 - الگوریتم‌های یادگیری ماشین، قسمت اول (بند 5.12-5.12.2)
13 - الگوریتم‌های یادگیری ماشین، قسمت دوم (بند 5.12.1.3-5.12.1.3.2)
14 - الگوریتم‌های یادگیری ماشین، قسمت سوم (بند 5.12.1.4 5.12.2)
15 - الگوریتم‌های یادگیری ماشین، قسمت چهارم (بند 5.12.3 5.12.4)

3. فناوری هوش مصنوعی و کنترل‌های اداری

16 - خودمختاری، هترونومی و اتوماسیون (بند 5.13)
17 - اینترنت اشیا و CPS (بند 5.14)
18 - قابل اعتماد بودن، تأیید و اعتبار (بند 5.15-5.16)
19 - مسائل قضایی و تأثیرات اجتماعی (بند 5.17-5.18)
20 - نقش ذینفعان هوش مصنوعی (بند 5.19-5.19.7)

4. چرخه حیات سیستم هوش مصنوعی و مروری بر عملکرد - بند 6-7.4

21 - مروری بر چرخه حیات سیستم هوش مصنوعی (بند 6.1)
22 - مراحل و فرآیندهای چرخه حیات (بند 6.2)
23 - داده ‌ها , اطلاعات، دانش و یادگیری هوش مصنوعی (بند 7-7.3)
24 - پیش بینی‌های هوش مصنوعی برای اقدامات (بند 7.4-7.4.4)

5. اکوسیستم هوش مصنوعی - بند 8-8.7

25 - اکوسیستم هوش مصنوعی و عملکرد با ML (بند 8-8.4)
26 - مهندسی هوش مصنوعی (بند 8.5-8.5.3)
27 - داده‌های بزرگ (بند 8.6-8.6.1)
28 - محاسبات ابری و لبه (بند 8.6.2)
29 - منابع و ASIC (بند 8.7-8.7.2)