پیرو تصمیم هیئت مدیره فیوچرمیشن و اپن آکادمی کانادا مقرر شد در شروع فعالیت و همکاری با واحد الکترونیکی ،با هدف جذب حداکثری، میزان تخفیف را به 75 درصد برسانند دانشجویان عزیز بتوانند از آموزش دوره های تخصصی بهره‌مند شوند.
در واقع مبلغ قابل پرداخت اصلی ثبت نام کنندگان 3/750/000 تومان است. این تخفیف تا اطلاع ثانوی برای عموم برقرار خواهد بود

در انتهای دوره کلیه دانشپذیران توسط استاد کلاس با امتحان یا پروژه ارزیابی شده و مدرک مشترک واحد الکترونیک دانشگاه آزاد اسلامی و آکادمی کانادایی برای آنان صادر خواهد شد. 

کد تخفیف 75 درصدی (Ai0302): تخفیف ویژه

توضیح درباره دوره:
این دوره آموزش به شیوه جدید و منحصر به فرد طراحی و تنظیم شده است.
این دوره از نظر محتوای آموزشی کاملا منحصر به فرد و برای اولین بار توسط اپن آکادمی و فیوچرمیشن با همکاری و مشارکت دانشگاه آزاد اسلامی واحد الکترونیک در ایران برگزار می شود. 

اهداف دوره:
در این دوره دانشجویان کلیه مهارت های لازم برای یادگیری ماشین آموزش خواهند دید. همچنین نکات کلیدی و کاربردی کتابخانه های هوش مصنوعی پایتون را یاد خواهند گرفت.
شرکت کنندگان پس از طی این دوره می توانند یک مدل ساده یادگیری ماشین را پیاده سازی کنند همچمین با مبانی هوش مصنوعی آشنا می شوند

مخاطبان دوره:
تمامی اقشار مختلف جامعه که علاقمند هوش مصنوعی هستند از جمله دانشجویان – اساتید  - مدیران – صنایع - تجار

پیش نیاز دوره:
پیش نیاز دوره آشنایی اولیه با پایتون و مفاهیم برنامه نویسی

ملزومات سخت افزاری دوره (در صورت نیاز):
کامپیوتر

مدل آموزشی دوره:
تمرین محور

سطح دوره:
مقدماتی

سرفصل‌های درس:

جلسه اول:
نگاهی به پایتون در هوش مصنوعی
 لیستی از کتابخانه های پایتون
آموزش کتابخانه های اصلی پایتون
چگونگی نصب و راه اندازی کتابخانه های هوش مصنوعی و آشنایی تخصصی با آنها شامل:
Pandas*
Numpy*
Scikit-learn*
TensorflowPytorch

جلسه دوم
آشنایی با بخش های مختلف هوش مصنوعی از قبیل:
یادگیری ماشین
یادگیری نظارت شده(Supervised learning)
یادگیری بی‌نظارت((Unsupervised learning
پردازش زبان طبیعی(Natural Language Processing)
بینایی ماشین(Computer Vision)
یادگیری تقویتی(Reinforcement Learning)

جلسه سوم
بررسی یادگیری نظارت شده(Supervised learning) در یاد گیری ماشین
آشنایی با الگوریتم های مربوطه
آشنایی مختصر با متریک ها و فرمول های محاسباتی آنها

جلسه چهارم
 آشنایی با فرمت CSV
لود کردن دیتا با استفاده از Pandas
کار با دیتای لود شده
تقسیم بندی دیتا

جلسه پنجم
آشنایی با Classification و Regression 
معرفی الگوریتم های مشهور آنها
استفاده از الگوریتم Linear Regression

جلسه ششم
آشنایی و پیاده سازی الگوریتم های Logistic Regression و
(Support Vector Machines(SVN
بررسی تفاوت ها و تشابه ها

جلسه هفتم
یادگیری درختی
الگوریتم Decision Trees
الگوریتم Random Forests

جلسه هشتم
آشنایی مختصر با یادگیری بی نظارت(Unsupervised Learning)
آشنایی با مفهوم خوشه بندی(Clustering)
آشنایی و استفاده از الگوریتم K-Means