💡 آینده از همین‌جا شروع می‌شه!

🎓 آموزش هوش مصنوعی برای نوجوانان 14 تا 17 سال

🌍 نوجوانِ امروز، نابغه‌ی فرداست!

با دوره‌ی آموزش هوش مصنوعی مخصوص نوجوانان، قدم به دنیای آینده بگذار و یاد بگیر چطور با هوش مصنوعی دنیا رو تغییر بدی!

✅ آشنایی با مفاهیم پایه‌ی AI به زبان ساده

✅ پروژه‌های عملی مثل ساخت چت‌بات، شناسایی تصویر و بازی‌های هوشمند

✅ بدون نیاز به دانش برنامه‌نویسی

✅ تقویت تفکر خلاق، منطق و حل مسئله

✅ آموزش توسط مربیان متخصص در محیطی جذاب و ایمن

🎯 مناسب برای نوجوانان کنجکاو، خلاق و آینده‌نگر

🚀 همین امروز ثبت‌نام کن و در مسیر ساختن دنیای هوشمند قدم بذار

سرفصل های دوره:

بخش ۱: مقدمات برنامه‌نویسی و هوش مصنوعی

آشنایی با برنامه‌نویسی
معرفی پایتون و دلایل محبوبیت آن برای هوش مصنوعی
راه‌اندازی محیط برنامه‌نویسی (Google Colab یا VS Code)
مفاهیم پایه: متغیرها، حلقه‌ها، شرط‌ها و توابع
پروژه عملی: ساخت یک ماشین حساب
کار با داده‌ها در پایتون
معرفی کتابخانه‌های NumPy و Pandasخواندن و مدیریت داده‌ها (فایل‌های CSV یا داده‌های آنلاین)
پروژه عملی: تحلیل داده‌های جذاب (مثل آمار بازیکنان در بازی‌های ویدیویی)
تجسم‌سازی داده‌ها
کار با کتابخانه‌های Matplotlib و Seabornرسم نمودارهای خلاقانه (خطی، پراکندگی، یا حتی نمودارهای ۳ بعدی)
پروژه عملی: مصورسازی داده‌های یک دیتاست

بخش ۲: داده‌کاوی

مقدمه‌ای بر داده‌کاوی
داده‌کاوی چیست و چرا در دنیای مدرن مهم است؟
مراحل داده‌کاوی: جمع‌آوری، پاک‌سازی و تحلیل
پروژه عملی: تمیز کردن داده‌های یک مجموعه واقعی (مثل داده‌های هواشناسی)
الگوریتم‌های اولیه یادگیری ماشین
مفاهیم دسته‌بندی و رگرسیون
الگوریتم ساده: K-نزدیک‌ترین همسایه (KNN)پروژه عملی: دسته‌بندی داده‌ها (مثل پیش‌بینی ژانر فیلم بر اساس امتیازات)
خوشه‌بندی و تحلیل داده‌هامفهوم خوشه‌بندی و کاربردهای آن (مثل گروه‌بندی کاربران یک اپلیکیشن)
کار با الگوریتم K-Means
مفاهیم دقت، خطا و اعتبارسنجی مدل
تقسیم داده به مجموعه‌های آموزشی و آزمایشی
پروژه عملی: ارزیابی یک مدل با داده‌های واقعی (مثل پیش‌بینی محبوبیت یک پست)

بخش ۳: پردازش تصویر و یادگیری عمیق

مقدمه‌ای بر پردازش تصویرپردازش تصویر چیست و کاربردهایش (مثل فیلترهای اسنپ‌چت)
کار با کتابخانه OpenCV: خواندن، ویرایش و نمایش تصاویر
پروژه عملی: اعمال افکت‌های بصری روی تصاویر (مثل تشخیص لبه‌ها)
کار با تصاویر در هوش مصنوعی
آشنایی با شبکه‌های کانولوشنی (CNN)
معرفی کتابخانه TensorFlow/Keras
پروژه عملی: تشخیص اشیا در تصاویر (مثل شناسایی حیوانات در عکس‌ها)
پیش‌پردازش تصاویر
تکنیک‌های پیش‌پردازش: تغییر اندازه، نرمال‌سازی، افزایش داده
پروژه عملی: آماده‌سازی مجموعه تصاویر برای آموزش مدل (مثل تصاویر میم‌ها)ساخت مدل پردازش تصویرآموزش یک مدل ساده CNN
پروژه عملی: تشخیص دست‌خط یا اشیا در تصاویر (مثل دیتاست MNIST یا تشخیص لوگوها)

بخش ۴: هوش مصنوعی در بازی‌ها

هوش مصنوعی در بازی‌های ویدیویی
چگونه هوش مصنوعی رفتار NPCها (شخصیت‌های غیرقابل بازی) را کنترل می‌کند؟آشنایی با الگوریتم‌های تصمیم‌گیری (مثل درخت تصمیم)
پروژه عملی: داده‌کاوی و تحلیل رفتار بازیکنان با استفاده از داده‌کاوی