از پایتون تا ساخت ایجنت هوش مصنوعی
در دپارتمان هوش مصنوعی مؤسسه فنی و آموزشی کادوس، هوش مصنوعی را همان‌طور یاد می‌گیرید که در کار واقعی استفاده میشود: با پایتون، داده واقعی و پروژه. شش دوره پله‌پله، از دیتاساینس و یادگیری ماشین تا یادگیری عمیق و ساخت ایجنت هوش مصنوعی با LangChain و LangGraph، در شعبه لاکانی و شعبه مسکن مهر رشت.
نمونه نمایشی. پروژه اصلی دوره ایجنت، ساخت همین «دستیار معرفی دورههای کادوس» است.
این چهار مفهوم مثل عروسک‌های تودرتو داخل هم قرار دارند. از بیرونی‌ترین لایه شروع کنید و تا عمق جلو بروید؛ کنار هر لایه نوشته‌ایم کدام دوره کادوس شما را به آن می‌رساند.
هوش مصنوعی به هر سیستمی گفته میشود که کاری را انجام دهد که معمولاً به هوش انسان نیاز دارد: تشخیص یک تصویر، پیش‌بینی فروش ماه بعد، پیشنهاد یک محصول یا پاسخ به سؤال مشتری. بعضی از این سیستم‌ها با قانون‌های دست‌نویس کار می‌کنند، اما بیشتر سیستم‌های امروزی از داده یاد میگیرند؛ و یادگرفتن از داده با شناخت داده شروع میشود.
به‌جای اینکه برای هر حالت قانون بنویسیم، به برنامه نمونه‌های زیادی می‌دهیم تا الگو را خودش پیدا کند. مدل یادگیری ماشین از داده‌های گذشته یاد میگیرد قیمت یک خانه را تخمین بزند یا مشتری‌ای را که احتمال رفتنش زیاد است تشخیص دهد. در کادوس این لایه را با پایتون و Scikit-learn، از رگرسیون تا XGBoost، می‌سازید.
یادگیری عمیق نوعی یادگیری ماشین است که با شبکههای عصبی چندلایه کار میکند. برخلاف الگوریتم‌های کلاسیک که به مهندسی ویژگی وابسته‌اند، شبکه عصبی ویژگی‌های مهم را خودش از داده استخراج میکند؛ به همین دلیل پایه بینایی ماشین، تشخیص گفتار و مدلهای زبانی بزرگ است. ابزارها: TensorFlow و PyTorch.
مدلهای زبانی بزرگ (LLM) روی یادگیری عمیق ساخته شده‌اند. ایجنت هوش مصنوعی یک قدم جلوتر است: برنامهای پایتونی که با کمک مدل زبانی تصمیم میگیرد کدام ابزار را اجرا کند، نتیجه را میخواند و کار را تا رسیدن به هدف پیش میبرد. برای ساختن ایجنت لازم نیست مدل زبانی را خودتان آموزش دهید؛ دانستن پایتون کافی است.
علم داده (Data Science) لایه جداگانه‌ای نیست؛ زمین بازی همه این دایره‌هاست. هر مدل با داده آموزش می‌بیند و کیفیت مدل هیچ‌وقت از کیفیت داده بالاتر نمی‌رود. برای همین مسیر «داده و مدل‌سازی» کادوس با دیتاساینس مقدماتی شروع میشود: آمار، پاک‌سازی داده، تحلیل اکتشافی و روایت‌گری داده.
هوش مصنوعی فقط چتبات نیست. این شش کاربرد واقعی، همان پروژه‌هایی است که در کلاس می‌سازید؛ زیر هرکدام نوشته‌ایم در کدام دوره کادوس.
تشخیص بیماری از روی تصاویر پزشکی با شبکههای کانولوشنی و طبقه‌بندی داده‌های بیماران برای کمک به تصمیم پزشک.
در دوره یادگیری عمیق ←سنجش ریسک اعتباری متقاضی وام و پیدا کردن چند تراکنش مشکوک در میان هزاران تراکنش عادی.
در دوره یادگیری ماشین پیشرفته ←پیش‌بینی تقاضا برای برنامه‌ریزی موجودی، سیستم‌های رتبه‌بندی و پیشنهاددهنده و تحلیل رفتار مشتری.
در دوره یادگیری ماشین پیشرفته ←پیش‌بینی ریزش مشتری (Churn) تا تیم فروش پیش از رفتن مشتری با او تماس بگیرد؛ و گزارش‌های داده‌محور برای مدیر.
در دوره یادگیری ماشین ←دستیاری که وضعیت سفارش را بررسی میکند، شرایط ارسال و مرجوعی را توضیح میدهد و درخواست مرجوعی را پس از تأیید کاربر ثبت میکند.
در دوره LangChain و LangGraph ←نوشتن و ویرایش متن معرفی محصول از روی اطلاعات آماده و استخراج اطلاعات لازم از درخواست‌های متنی متقاضیان.
در دوره ساخت ایجنت ←همه مسیرها از پایتون می‌گذرند؛ بعد بسته به هدفتان یکی از دو مسیر را می‌روید، یا هر دو را. هر ایستگاه پیشنیاز ایستگاه بعدی است، پس از هر نقطه‌ای که مهارتش را دارید ادامه دهید.
اگر پایتون بلد نیستید، از ترم اول پایتون کادوس (۶۰ ساعت، بدون پیشنیاز) شروع کنید. همه چیز درباره دوره در صفحه آموزش پایتون در رشت آمده است.
آمار و احتمال، Pandas و NumPy، پاک‌سازی، تحلیل اکتشافی و نمودار؛ پیشنیاز یادگیری ماشین.
رگرسیون، طبقه‌بندی، ارزیابی علمی مدل و تنظیم Hyperparameterها با Scikit-learn.
Ensemble و Boosting، خوشه‌بندی، کاهش ابعاد، داده نامتوازن، SHAP و Pipeline حرفه‌ای.
شبکه عصبی، CNN، Transfer Learning و Autoencoder با TensorFlow و PyTorch.
بینایی ماشین، پردازش زبان طبیعی، مدلهای زبانی بزرگ و هوش مصنوعی مولد؛ دوره یادگیری عمیق شما را برای این حوزه‌های تخصصی آماده میکند.
۱۵ جلسه سه‌ساعته: ارتباط با مدل از طریق OpenAI، دستورالعمل، خروجی ساختاریافته با Pydantic، ابزار و چرخه اجرای ایجنت. سابقه هوش مصنوعی لازم نیست.
۱۵ جلسه سه‌ساعته: گراف و مسیر شرطی، حافظه و وضعیت، RAG، حلقه بازخورد، تأیید انسان و خطایابی با LangSmith.
ساخت دستیار هوشمند برای کسب‌وکار خودتان یا مشتریان: پشتیبانی فروشگاه، معرفی محصول و خدمات، پردازش درخواست‌ها و تولید و ویرایش محتوا.
هر دوره صفحه کامل خودش را با سرفصل‌ها، شهریه و ثبت‌نام دارد؛ اینجا خلاصه هرکدام، پیشنیاز و ابزارهایش را کنار هم می‌بینید تا راحت‌تر انتخاب کنید.
زبان داده را یاد می‌گیرید: آمار و احتمال، پاک‌سازی داده، تحلیل اکتشافی، نمودار و روایت‌گری داده روی داده‌های واقعی فروش و سلامت.
منطق الگوریتم‌ها را می‌فهمید و مدل می‌سازید: رگرسیون، طبقه‌بندی، ارزیابی علمی مدل، Cross Validation و تنظیم Hyperparameterها.
مدلهای قوی‌تر برای مسئله‌های واقعی: Ensemble و Boosting، خوشه‌بندی، کاهش ابعاد، داده نامتوازن، Explainable AI و Pipeline حرفه‌ای.
شبکههای عصبی را از نورون تا CNN می‌سازید و آموزش می‌دهید؛ Transfer Learning، Autoencoder و کار با GPU در TensorFlow و PyTorch.
اولین دستیار هوشمند خودتان را می‌سازید: ارتباط با مدل زبانی، طراحی دستورالعمل، خروجی ساختاریافته، ابزار و چرخه اجرای ایجنت.
ایجنت‌های چندمرحله‌ای با کنترل کامل: گراف و مسیر شرطی، حافظه و وضعیت، RAG، حلقه بازخورد، تأیید انسان و خطایابی اجرا.
خلاصه سرفصل‌های هر دوره در شش بخش. فهرست کامل و توضیح هر بخش در صفحه همان دوره آمده است.
۴۵ ساعتسطح مقدماتیجزئیات کامل در صفحه دوره
۶۰ ساعتسطح متوسطجزئیات کامل در صفحه دوره
۶۰ ساعتسطح پیشرفتهجزئیات کامل در صفحه دوره
۶۰ ساعتسطح پیشرفتهجزئیات کامل در صفحه دوره
۴۵ ساعت · ۱۵ جلسه سه‌ساعتهسطح مقدماتی تا متوسطجزئیات کامل در صفحه دوره
۴۵ ساعت · ۱۵ جلسه سه‌ساعتهسطح متوسط تا پیشرفتهجزئیات کامل در صفحه دوره
یادگیری هوش مصنوعی با تماشا اتفاق نمی‌افتد. این دوازده پروژه از سرفصل دورههای کادوس است؛ هرکدام روی داده یا سناریوی واقعی، با کد خودتان.
از متراژ و موقعیت تا قیمت: اولین مدل رگرسیون واقعی خودتان را می‌سازید و خطایش را می‌سنجید.
دوره یادگیری ماشینکدام مشتری احتمالاً دیگر برنمی‌گردد؟ طبقه‌بندی با معیارهای Precision و Recall.
دوره یادگیری ماشینپاکسازی، تحلیل اکتشافی و نمودارهایی که مدیر فروش در یک نگاه بفهمد.
دوره دیتاساینس مقدماتیداده نامتوازن، SMOTE و مدلهای Boosting برای پیدا کردن چند تراکنش مشکوک میان هزاران تراکنش.
دوره یادگیری ماشین پیشرفتهپیشبینی ریسک وام با XGBoost و توضیح تصمیم مدل با SHAP.
دوره یادگیری ماشین پیشرفتهپیشبینی فروش برای برنامه‌ریزی موجودی، با Pipeline قابل‌تکرار.
دوره یادگیری ماشین پیشرفتهاولین شبکه عصبی‌تان رقم‌های دست‌نویس را میخواند.
دوره یادگیری عمیقشبکه کانولوشنی و Transfer Learning روی تصاویر پزشکی.
دوره یادگیری عمیقمدلی که الگوی عادی را یاد میگیرد و داده غیرعادی را علامت می‌زند.
دوره یادگیری عمیقایجنتی که نیاز متقاضی را می‌پرسد، با ابزارهای پایتون اطلاعات دوره‌ها را میخواند و پیشنهاد میدهد.
دوره ساخت ایجنت هوش مصنوعیتشخیص درخواست (وضعیت سفارش، ارسال، مرجوعی)، انتخاب مسیر و ثبت مرجوعی پس از تأیید کاربر.
دوره LangChain و LangGraphیک مرحله متن می‌نویسد، مرحله بعد بررسی و اصلاح میکند؛ با تعداد اصلاح محدود.
دوره LangChain و LangGraphبرای دیدن همه پروژه‌ها کارت‌ها را بکشید
به سه سؤال جواب دهید تا نقطه شروع و مسیر پیشنهادی را ببینید. برای تعیین سطح دقیق، مشاوره رایگان هم در دسترس است.
با مبانی پایتون، بهترین شروع برای تحلیل داده، دیتاساینس مقدماتی است.
سه سؤالی که تقریباً همه قبل از ثبت‌نام می‌پرسند، با جواب صادقانه.
زبان اصلی همه دورههای هوش مصنوعی کادوس پایتون است. برای دیتاساینس مقدماتی پیشنیاز الزامی ندارید، اما برای یادگیری ماشین و دوره ایجنت باید با متغیر، شرط، حلقه و تابع راحت باشید. از صفر؟ آموزش پایتون در رشت را ببینید.
لازم نیست ریاضی دانشگاهی را دوباره بخوانید. آمار و احتمال پایه در دیتاساینس، و جبر خطی موردنیاز، مشتق و گرادیان، تابع هزینه و Gradient Descent در دوره یادگیری ماشین، کنار کد و برای فهم مدل آموزش داده میشود.
برای دیتاساینس و یادگیری ماشین، کامپیوتری که پایتون و Jupyter را اجرا کند معمولاً کافی است. در دوره یادگیری عمیق، آموزش مدل با GPU جزو سرفصل‌هاست؛ درباره سیستم مناسب پیش از ثبت‌نام با مشاوران صحبت کنید.
این فهرست از بخش «برای چه کسانی مناسب است» صفحه دوره‌ها جمع شده است.
تقریباً هر کسب‌وکاری در رشت داده دارد: فروشگاه‌ها فاکتور و موجودی، کلینیک‌ها پرونده بیماران، کارخانه‌ها داده تولید و شرکت‌های خدماتی پیام‌های مشتریان. کسی که بتواند این داده را تمیز کند، تحلیل کند و از آن مدل بسازد، یا دستیاری بسازد که بخشی از کار تکراری را انجام دهد، برای همین کسب‌وکارها ارزش ایجاد میکند؛ چه به‌عنوان کارمند، چه پروژه‌ای و چه برای کسب‌وکار خودش.
بخش بزرگی از پروژه‌های داده و هوش مصنوعی هم دورکاری است؛ یعنی از رشت می‌توانید برای شرکت‌های شهرهای دیگر کار کنید. ما رقم درآمد یا تضمین استخدام نمی‌دهیم: آنچه در بازار کار دیده میشود، مهارت واقعی و نمونه‌کار شماست، و دقیقاً به همین دلیل همه دورههای کادوس پروژه‌محورند. این نقش‌ها با مسیرهای کادوس ساخته میشوند:
پاک‌سازی و تحلیل داده، ساخت نمودار و گزارش و تبدیل عدد به تصمیم برای مدیران.
دیتاساینس مقدماتیاز سؤال کسب‌وکار تا مدل پیش‌بینی ارزیابی‌شده؛ آمار، Pandas و یادگیری ماشین کنار هم.
دیتاساینس ← یادگیری ماشینطراحی، بهینه‌سازی و تفسیر مدلهای پیشرفته و ساخت Pipeline قابل‌تکرار برای پروژه‌های واقعی.
یادگیری ماشین ← پیشرفتهشبکههای عصبی برای تصویر و داده‌های پیچیده با TensorFlow و PyTorch؛ دروازه بینایی ماشین و NLP.
یادگیری عمیقساخت دستیارهای ابزارمحور و فرایندهای چندمرحله‌ای با مدلهای زبانی، LangChain و LangGraph.
ایجنت ← LangChain و LangGraphخودکارسازی پاسخ به مشتری، گزارش‌های داده‌محور و پیش‌بینی فروش برای کسب‌وکاری که الان دارید.
هر دو مسیرمؤسسه فنی و آموزشی کادوس از سال ۱۳۷۲ در رشت آموزش میدهد و دپارتمان هوش مصنوعی‌اش روی یک اصل ساخته شده است: فهم، نه فقط ابزار.
از پایتون صفر تا یادگیری عمیق و ایجنت؛ پیشنیاز هر دوره، دوره قبلی همین مسیر است.
فروش، سلامت، بانک و فروشگاه اینترنتی؛ نه فقط مثال‌های کتابی.
می‌فهمید هر الگوریتم کی خوب کار میکند و چرا مدل شکست می‌خورد.
تمرین، رفع اشکال و تکمیل پروژه در زمان کلاس و همراه مدرس انجام میشود.
Scikit-learn، XGBoost، PyTorch، TensorFlow، LangChain و LangGraph.
شعبه مرکزی خیابان لاکانی و شعبه مسکن مهر؛ نزدیک‌ترین را انتخاب کنید.
شهریه به‌روز هر دوره در صفحه همان دوره آمده است. این چهار عامل هزینه کل مسیر شما را تعیین میکند:
از اولین تماس تا اولین جلسه کلاس:
دپارتمان هوش مصنوعی کادوس شش دوره دارد: دیتاساینس مقدماتی (۴۵ ساعت)، یادگیری ماشین (۶۰ ساعت)، یادگیری ماشین پیشرفته (۶۰ ساعت)، یادگیری عمیق (۶۰ ساعت)، ساخت ایجنت هوش مصنوعی با پایتون (۴۵ ساعت) و LangChain و LangGraph (۴۵ ساعت). مجموع مسیر ۳۱۵ ساعت آموزش پروژه‌محور است و در شعبه لاکانی و شعبه مسکن مهر رشت برگزار میشود.
اگر پایتون بلد نیستید، اول ترم اول پایتون را بگذرانید. بعد از آن دو مسیر دارید: برای تحلیل داده و مدلهای پیش‌بینی از دیتاساینس مقدماتی شروع کنید و به یادگیری ماشین، یادگیری ماشین پیشرفته و یادگیری عمیق برسید؛ برای ساخت دستیار هوشمند و کار با مدلهای زبانی، از دوره ساخت ایجنت شروع کنید و با LangChain و LangGraph ادامه دهید. ابزار «از کدام دوره شروع کنم؟» همین صفحه مسیر شما را پیشنهاد میدهد.
برای دیتاساینس مقدماتی پیشنیاز الزامی وجود ندارد و ابزارهای لازم در کلاس آموزش داده میشود. برای یادگیری ماشین، آشنایی مقدماتی با پایتون، NumPy و Pandas توصیه میشود و برای دوره ساخت ایجنت باید با متغیر، شرط، حلقه و تابع در پایتون کار کرده باشید. اگر از صفر شروع میکنید، دوره پایتون کادوس بهترین نقطه شروع است.
به اندازه نیاز و کاربردی. در دیتاساینس، آمار و احتمال پایه و آمار توصیفی آموزش داده میشود و در یادگیری ماشین، جبر خطی موردنیاز، مشتق و گرادیان، تابع هزینه و Gradient Descent در کنار کد توضیح داده میشود. لازم نیست پیش از شروع ریاضی دانشگاهی را دوباره بخوانید؛ مهم این است که بفهمید هر فرمول در مدل چه کاری انجام میدهد.
یادگیری ماشین شاخهای از هوش مصنوعی است که مدلها در آن از داده الگو یاد میگیرند؛ الگوریتمهایی مثل رگرسیون، درخت تصمیم و Random Forest. یادگیری عمیق زیرمجموعه یادگیری ماشین است که با شبکههای عصبی چندلایه کار میکند و ویژگیها را خودش از داده استخراج میکند؛ پایه بینایی ماشین، پردازش گفتار و مدلهای زبانی بزرگ امروز است.
ایجنت هوش مصنوعی برنامهای است که برای رسیدن به یک هدف از مدل زبانی و ابزارهای در اختیارش استفاده میکند. مدل تصمیم میگیرد کدام ابزار با چه ورودی اجرا شود، کد برنامه ابزار را اجرا میکند و نتیجه دوباره به مدل برمیگردد تا قدم بعدی مشخص شود. یک چتبات ساده فقط پاسخ میدهد، اما ایجنت اطلاعات میخواند، شرایط را بررسی میکند و کار را مرحلهبهمرحله پیش میبرد.
LangChain برای کار با مدلها، پیامها و ابزارها استفاده میشود و LangGraph امکان میدهد وضعیت برنامه و ارتباط میان مراحل را به شکل گراف تعریف کنید. وقتی یک ایجنت ساده ساختهاید و حالا به مسیرهای شرطی، حافظه، بازخورد و تأیید انسان نیاز دارید، وقت این دوره است؛ به همین دلیل پیشنیاز آن دوره ساخت ایجنت یا دانش معادل است.
علم داده زمین بازی هوش مصنوعی است: هر مدل یادگیری ماشین با داده آموزش می‌بیند و اگر داده کثیف یا اشتباه باشد، مدل هم اشتباه یاد میگیرد. دوره دیتاساینس مقدماتی کادوس به‌عنوان پیشنیاز یادگیری ماشین طراحی شده و شناخت داده، تفکر آماری، پاک‌سازی، تحلیل اکتشافی و روایت‌گری داده را آموزش میدهد.
دیتاساینس مقدماتی ۴۵ ساعت، یادگیری ماشین ۶۰ ساعت، یادگیری ماشین پیشرفته ۶۰ ساعت و یادگیری عمیق ۶۰ ساعت است. دوره ساخت ایجنت و دوره LangChain و LangGraph هرکدام در ۱۵ جلسه سه‌ساعته (۴۵ ساعت) برگزار میشوند و تمرین، رفع اشکال و پروژه در همین زمان انجام میشود.
دورههای هوش مصنوعی در شعبه مرکزی کادوس در خیابان لاکانی رشت (تلفن ۰۱۳۹۱۰۰۲۳۴۳) و شعبه مسکن مهر (تلفن ۰۱۳۹۱۰۰۲۳۲۳) ارائه میشوند. برای زمان شروع کلاس بعدی در هر شعبه با همان شعبه تماس بگیرید.
بله، همه دوره‌ها پروژه‌محورند: پیش‌بینی قیمت مسکن و ریزش مشتری در یادگیری ماشین، تشخیص تقلب و ریسک اعتباری در دوره پیشرفته، تشخیص دست‌خط و تصاویر پزشکی در یادگیری عمیق، دستیار معرفی دورههای کادوس در دوره ایجنت و دستیار پشتیبانی فروشگاه اینترنتی در دوره LangChain و LangGraph.
بسته به مسیری که می‌روید، می‌توانید داده‌های واقعی را تحلیل و گزارش کنید، مدل پیش‌بینی بسازید و ارزیابی کنید، شبکه عصبی برای تصویر طراحی کنید یا دستیار هوشمندی بسازید که از ابزارها استفاده میکند. این مهارت‌ها پایه نقش‌هایی مانند تحلیلگر داده، متخصص یادگیری ماشین و توسعه‌دهنده ایجنت است؛ ورود به بازار کار به تمرین و نمونه‌کار شما هم بستگی دارد.
شهریه هر دوره به طول آن (۴۵ یا ۶۰ ساعت) و سطح دوره بستگی دارد و شهریه به‌روز در صفحه هر دوره آمده است. اگر پیشنیاز یک دوره را دارید، لازم نیست از ابتدای مسیر شروع کنید؛ برای تعیین سطح، شرایط پرداخت و زمان کلاس بعدی با مشاوران کادوس تماس بگیرید.
برای شروع مسیر، یعنی دیتاساینس و یادگیری ماشین، یک کامپیوتر یا لپ‌تاپ معمولی که پایتون و Jupyter روی آن اجرا شود معمولاً کافی است. در دوره یادگیری عمیق، استفاده از GPU برای آموزش مدلها بخشی از سرفصل‌هاست؛ پیش از ثبت‌نام، درباره سیستم مناسب با مشاوران دپارتمان صحبت کنید.
برای زمان شروع کلاس بعدی، تعیین سطح و انتخاب مسیر با دپارتمان هوش مصنوعی کادوس تماس بگیرید. هر شش دوره در هر دو شعبه کادوس رشت ارائه میشوند.
رشت، خیابان لاکانی، ابتدای خیابان صندوق عدالت · ساعت کاری ۸ تا ۲۱
۰۱۳۹۱۰۰۲۳۴۳صفحه شعبه لاکانی
