دوره‌ها
نظریه اطلاعات و ریاضیات در عمل
دورهٔ هشتم و آخر ریاضیات در مدرسهٔ هوش مصنوعی مایان: از آنتروپی، آنتروپی متقاطع و واگرایی KL، تا ریشهٔ ریاضی توابع خطا، رگرسیون خطی و لجستیک، یک نورون و پس‌انتشار خطا؛ با انیمیشن، نام‌پای و سای‌پای، بدون اثبات.
آمار توصیفی و استنباطی
دورهٔ هفتم ریاضیات در مدرسهٔ هوش مصنوعی مایان: از خلاصه کردن داده با میانگین، میانه و نمودار جعبه‌ای، تا نتیجه گرفتن از نمونه با فاصلهٔ اطمینان، آزمون فرض و آزمون A/B؛ با انیمیشن، نام‌پای، پانداس و سای‌پای، بدون اثبات.
توزیع‌های احتمال
دورهٔ ششم ریاضیات در مدرسهٔ هوش مصنوعی مایان: شکل‌های آشنای شانس و کاری که مدل‌ها با آن‌ها می‌کنند؛ از یکنواخت و دوجمله‌ای تا نرمال، قضیهٔ حد مرکزی، درست‌نمایی بیشینه و مونت‌کارلو، با انیمیشن و نام‌پای، بدون اثبات.
احتمال مقدماتی
دورهٔ پنجم ریاضیات در مدرسهٔ هوش مصنوعی مایان: احتمال چیست و مدل‌ها چطور با آن کار می‌کنند؛ از تاس و سکه تا قضیهٔ بیز و یک فیلتر هرزنامهٔ کوچک، با انیمیشن و نام‌پای، بدون اثبات.
بهینه‌سازی
دورهٔ چهارم ریاضیات در مدرسهٔ هوش مصنوعی مایان: مدل‌ها چطور با قدم‌های کوچیک روی زمین خطا یاد می‌گیرن؛ از تابع خطا تا گرادیان کاهشی، آدام و قید، با انیمیشن و نام‌پای، بدون اثبات.
حسابان برای یادگیری ماشین
دورهٔ سوم ریاضیات در مدرسهٔ هوش مصنوعی مایان: تابع، حد، مشتق، گرادیان و انتگرال، همان‌قدر که برای یادگیری ماشین لازم است؛ با نمودارهای متحرک و نام‌پای، بدون اثبات.
جبر خطی ۲: تبدیلات و تجزیه ماتریس
دورهٔ دوم ریاضیات در مدرسهٔ هوش مصنوعی مایان: ماتریس به‌عنوان تبدیلی که صفحه را جابه‌جا می‌کند، و تجزیه‌هایی که پشت PCA و فشرده‌سازی و جاسازی‌ها هستند؛ با انیمیشن و نام‌پای، بدون اثبات.
جبر خطی ۱: بردارها و ماتریس‌ها
دورهٔ اول ریاضیات در مدرسهٔ هوش مصنوعی مایان: بردارها و ماتریس‌ها با فلش‌هایی روی صفحه، و بعد با نام‌پای؛ بدون اثبات.
پروژه تحلیل اکتشافی داده (EDA)
دورهٔ هشتم و آخر پایتون در مدرسهٔ هوش مصنوعی مایان: یک پروژهٔ کامل تحلیل اکتشافی، از سؤال تا گزارش، روی فروش یک سال یک فروشگاه آنلاین.
مصورسازی داده
دورهٔ هفتم پایتون در مدرسهٔ هوش مصنوعی مایان: با Matplotlib، Seaborn و Plotly نمودارهایی می‌کشی که با عددهای درست، حرف درست بزنن.
تحلیل داده با Pandas
دورهٔ ششم پایتون در مدرسهٔ هوش مصنوعی مایان: جدول‌های واقعی رو با Pandas می‌خونی، تمیز می‌کنی، گروه‌بندی می‌کنی و ازشون جواب درمیاری.
محاسبات عددی با NumPy
دورهٔ پنجم پایتون در مدرسهٔ هوش مصنوعی مایان: با آرایه‌های NumPy، حساب‌وکتاب هزاران عدد رو توی چند خط و خیلی سریع انجام می‌دی.
فایل‌ها، خطاها و کتابخانه‌ها
دورهٔ چهارم پایتون در مدرسهٔ هوش مصنوعی مایان: فایل و CSV و JSON، مدیریت خطا، کتابخانه‌ها، پایگاه داده، API و گیت؛ ابزارهای یه برنامهٔ واقعی.
توابع و برنامه‌نویسی شیءگرا
دورهٔ سوم پایتون در مدرسهٔ هوش مصنوعی مایان: با تابع از تکرار خلاص می‌شی و با کلاس، داده و رفتار رو یه جا می‌ذاری.
ساختارهای داده و کنترل جریان
دورهٔ دوم پایتون در مدرسهٔ هوش مصنوعی مایان: لیست، دیکشنری، شرط و حلقه؛ و در آخر، یه برنامهٔ واقعی برای مدیریت فهرست دانشجوها.
شروع کار با پایتون
دورهٔ اول پایتون در مدرسهٔ هوش مصنوعی مایان: پایتون رو نصب می‌کنی، اولین برنامه‌هات رو می‌نویسی، و یاد می‌گیری از خطاها نترسی.
اخلاق، ریسک‌ها و آینده هوش مصنوعی
دورهٔ هشتم مدرسهٔ هوش مصنوعی مایان: پرونده‌های واقعی از سوگیری تا دیپ‌فیک، قانون‌ها، آیندهٔ کار، و اینکه تو از اینجا کدوم راه رو می‌ری.
پرامپت‌نویسی مقدماتی
دورهٔ هفتم مدرسهٔ هوش مصنوعی مایان: یاد می‌گیری با مدل‌ها روشن حرف بزنی، جواب بهتر بگیری و جواب‌ها رو راستی‌آزمایی کنی.
ابزارهای هوش مصنوعی در کار روزمره
دورهٔ ششم مدرسهٔ هوش مصنوعی مایان: از میان این همه ابزار، کدوم به کار تو میاد و چطور درست و امن ازش استفاده کنی.
ماشین چگونه یاد می‌گیرد؟ (بدون کد)
دورهٔ پنجم مدرسهٔ هوش مصنوعی مایان: ماشین چطور از مثال‌ها یاد می‌گیره، مدل چیه، و چطور می‌فهمیم خوب یاد گرفته؛ بدون یک خط کد.
داده؛ سوخت هوش مصنوعی
دورهٔ چهارم مدرسهٔ هوش مصنوعی مایان: داده از کجا میاد، چطور خوب یا بد می‌شه، و چرا همه‌چیز به اون بستگی داره.
شاخه‌های هوش مصنوعی
دورهٔ سوم مدرسهٔ هوش مصنوعی مایان: نقشهٔ دنیای هوش مصنوعی، از یادگیری ماشین تا هوش مصنوعی مولد.
تاریخچه و تحول هوش مصنوعی
دورهٔ دوم مدرسهٔ هوش مصنوعی مایان: از رؤیای ماشین فکرکننده تا چت‌بات‌های امروز.
هوش مصنوعی چیست؟
دورهٔ اول مدرسهٔ هوش مصنوعی مایان: هوش مصنوعی را بدون کدنویسی و به زبان ساده بشناس.