مدرسه هوش مصنوعی در تبریز | دوره جامع ویژه کودکان و نوجوانان

مدرسه هوش مصنوعی برای نوجوانان (۱۲ تا ۱۷ سال)

مدت دوره: یک سال تحصیلی (۳۵ هفته)

روش آموزش: کاملاً پروژه‌محور، عملی و تعاملی

بخش ۱: آشنایی با هوش مصنوعی و مقدمات (۴ هفته)

هدف:آشنایی با هوش مصنوعی و ابزارهای کاربردی اولیه

هفته ۱: آشنایی با هوش مصنوعی در دنیای واقعی

تعریف هوش مصنوعی و کاربردهای آن در زندگی روزمره (چت‌بات‌ها،خودروهای خودران، دستیارهای صوتی)

پروژه عملی: ساخت اولین چت‌بات ساده برای پاسخ به سوالات پایه

هفته ۲: کار با داده‌ها و ابزارهای ساده

آشنایی با داده‌ها و نحوه جمع‌آوری آن‌ها

استفاده از ابزارهای آنلاین برای ساخت مدل‌های ساده AI (مثل Teachable Machine از Google)

پروژه عملی: آموزش مدل تشخیص عکس‌های ساده (مثلاً تشخیص حیوانات)

هفته ۳: الگوریتم‌ها و نحوه تصمیم‌گیری توسط AI

مفهوم الگوریتم‌ها و یادگیری ماشین

آشنایی با الگوریتم‌های ساده دسته‌بندی و رگرسیون

پروژه عملی: ایجاد یک سیستم پیشنهاد فیلم یا موسیقی بر اساس علاقه‌مندی‌ها

هفته ۴: اولین پروژه هوش مصنوعی

ساخت یک مدل تشخیص چهره یا اشیاء با استفاده از داده‌های موجود

ارائه و تحلیل نتایج پروژه

بخش ۲: کدنویسی برای هوش مصنوعی (۸ هفته)

هدف: یادگیری پایتون و مفاهیم اولیه برنامه‌نویسی برای هوش مصنوعی

هفته ۵: مقدمه‌ای بر پایتون

نصب و تنظیم محیط کدنویسی Python (Google Colab)

آموزش متغیرها، حلقه‌ها، و توابع پایه

پروژه عملی: ساخت یک ماشین حساب ساده

هفته ۶: آشنایی با داده‌ها و تحلیل داده‌ها

آموزش کار با داده‌های نفری و متنی

استفاده از کتابخانه‌های Pandas و Matplotlib برای تجزیه و تحلیل داده‌ها

پروژه عملی: تحلیل داده‌های فروش و رسم نمودار

هفته ۷: شرط‌ها و تصمیم‌گیری در کد

آشنایی با شرط‌ها (if, else) و تصمیم‌گیری‌های منطقی

پروژه عملی: ساخت یک سیستم تشخیص ایمیل‌های اسپم

هفته ۸: توابع و برنامه‌نویسی شیءگرا

تعریف و استفاده از توابع در پایتون

مقدمه‌ای بر برنامه‌نویسی شیءگرا

پروژه عملی: ساخت یک بازی ساده مثل دوز یا حدس نفر

هفته ۹: کار با فایل‌ها و ذخیره‌سازی داده‌ها

نحوه خواندن و نوشتن فایل‌ها در پایتون

پروژه عملی: ساخت دفترچه تلفن دیجیتال که بتواند داده‌ها را ذخیره کند

هفته ۱۰: پروژه میانه

ساخت یک پروژه عملی که شامل تمامی مفاهیم آموخته شده تا اینجا باشد (مثلاً یک بازی ساده که داده‌های کاربر را ذخیره کند و نمایش دهد)

بخش ۳: یادگیری ماشین و پردازش داده‌ها (۸ هفته)

هدف: آموزش یادگیری ماشین و پردازش داده‌ها برای ساخت مدل‌های هوشمند

هفته ۱۱: یادگیری ماشین و آشنایی با مدل‌های ساده

آموزش الگوریتم‌های یادگیری ماشین مانند KNN و درخت تصمیم

پروژه عملی: پیش‌بینی قیمت خانه‌ها با استفاده از داده‌های واقعی

هفته ۱۲: پردازش داده‌های تصویری

آشنایی با OpenCV برای پردازش تصاویر

پروژه عملی: شناسایی و دسته‌بندی تصاویر از محیط واقعی

هفته ۱۳: مدل‌های پیچیده‌تر یادگیری ماشین

آموزش و تحلیل مدل‌های پیچیده‌تر مانند SVM و شبکه‌های عصبی

پروژه عملی: تشخیص احساسات از چهره‌ها (با استفاده از OpenCV و مدل‌های یادگیری ماشین)

هفته ۱۴: بهینه‌سازی مدل‌ها

آموزش نحوه بهینه‌سازی مدل‌ها با استفاده از GridSearch و Hyperparameter Tuning

پروژه عملی: بهینه‌سازی مدل پیش‌بینی فروش یک فروشگاه آنلاین

هفته ۱ ۵: پردازش داده‌های متنی

کار با داده‌های متنی و استفاده از مدل‌های NLP

پروژه عملی: ساخت مدل تشخیص دسته‌بندی اخبار یا پیام‌های متنی

هفته ۱۶: پروژه یادگیری ماشین

پروژه‌های تیمی برای حل مسائل پیچیده‌تر (مثلاً تشخیص بیماری‌ها از تصاویر پزشکی یا پیش‌بینی رفتار کاربران)

بخش ۴: هوش مصنوعی مولد و خلاقیت (۶ هفته)

هدف: آموزش استفاده از هوش مصنوعی برای تولید محتواهای خلاق

هفته ۱۷: هوش مصنوعی مولد متن

آشنایی با مدل‌های NLP مانند GPT برای تولید متن

پروژه عملی: ساخت یک داستان یا مقاله خودکار با استفاده از AI

هفته ۱۸: هوش مصنوعی مولد تصویر

آموزش استفاده از DALL·E یا مشابه آن برای تولید تصاویر

پروژه عملی: ساخت پوستر تبلیغاتی برای یک برند یا محصول

هفته ۱۹: هوش مصنوعی مولد صدا

آموزش مدل‌های مولد صدا برای ساخت موسیقی یا صداهای خاص

پروژه عملی: ساخت یک پادکست یا آهنگ با استفاده از AI

هفته ۲۰: هوش مصنوعی مولد و ویدئو

کار با ابزارهای مولد ویدئو (مثلاً Runway)

پروژه عملی: ساخت یک ویدئوی تبلیغاتی یا انیمیشن کوتاه

هفته ۲۱: پروژه ترکیبی

ترکیب تصاویر، متن، و صدا در یک پروژه واحد

پروژه عملی: ساخت ویدئوی خلاقانه برای معرفی یک محصول با استفاده از هوش مصنوعی

هفته ۲۲: پروژه نهایی خلاقانه

طراحی یک پروژه خلاقانه با ترکیب تکنیک‌های مختلف (تصویر، صدا، متن)

بخش ۵: آماده‌سازی پروژه نهایی و نمایش (۵ هفته)

هدف: انجام پروژه‌های نهایی و نمایش آن‌ها به عموم

23-27. هفته ۲۳ تا ۲۷:

اجرای پروژه‌های نهایی گروهی یا فردی

آماده‌سازی و ارزیابی نهایی پروژه‌ها

ارائه پروژه‌ها به معلمان و والدین

تحلیل و بررسی نتایج پروژه‌ها