مدرسه تخصصی هوش و فناوری های دیجیتال متوسطه

برنامه درسی "مدرسه تخصصی هوش مصنوعی و فناوری های دیجیتال"
شهریه ماهیانه تا پایان سال ۱۴۰۴: یک میلون و چهارصد هزار تومان در ماه برای آموزش فنی و تخصصی و سیصد هزار تومان در ماه برای زبان(ثبت نام در دوره زبان اختیاری است)

"مدرسه تخصصی هوش مصنوعی و علم داده" یک برنامه آموزشی یک‌ساله پیشرفته است و برای دانش‌آموزانی طراحی شده که پایه‌های برنامه‌نویسی پایتون و مفاهیم اولیه یادگیری ماشین را پشت سر گذاشته‌اند. این دوره با تمرکز بر مهارت‌های عملی و نوآورانه، شما را در مسیر تبدیل شدن به یک متخصص آینده‌ساز در حوزه‌های AI، رباتیک، اینترنت اشیاء و توسعه دیجیتال قرار می دهد.
ساختار دوره شامل ۷ ماه سالتحصیلی (با ۱۶ ساعت آموزشی ماهانه برای محتوا اصلی و زبان فنی) برای ایجاد آمادگی پایه‌ای، و ۳ ماه تابستان (با ۲۴ ساعت آموزشی ماهانه برای محتوا اصلی و زبان فنی) برای تکمیل فرآیند با انجام پروژه‌های پیشرفته است. با ترکیب آموزش تئوری، پروژه‌های واقعی و تقویت فشرده زبان انگلیسی، فارغ‌التحصیلان در صورت انجام تکالیف خود آماده ورود به رقابت های ملی و بین المللی خواهند شد.
ساختار کلی دوره
پیش‌نیازها: آشنایی مقدماتی با پایتون و یادگیری ماشین.
زبان انگلیسی به صورت موازی و فشرده (8 ساعت ماهانه) آموزش داده می‌شود تا مهارت‌های ارتباطی فنی تقویت شود.
برنامه درسی در دو بخش سالتحصیلی و تابستان ارائه شده است:
بخش سالتحصیلی: این بخش بر ایجاد پایه‌های محکم تمرکز دارد تا دانش‌آموزان برای پروژه‌های پیشرفته تابستانی آماده شوند. مباحث به صورت متوالی پوشش داده می‌شوند، با تأکید بر برنامه‌نویسی، توسعه وب و رباتیک/IoT مقدماتی.

- ماه ۱-۲: خلاقیت الگوریتمی و برنامه‌نویسی پیشرفته (۳۲ ساعت، پایه محاسباتی)
- اهداف کلیدی: تقویت تفکر الگوریتمی و کدینگ پیشرفته برای حل مسائل پیچیده.
- محتوای اصلی:
- الگوریتم‌های پایه و پیشرفته: جستجو، مرتب‌سازی، گراف‌ها.
- ساختارهای داده: لیست‌ها، درخت‌ها، هش‌مپ‌ها.
- برنامه‌نویسی شیءگرا در پایتون: کلاس‌ها، وراثت.
- حل مسئله خلاقانه: چالش‌های ساده تا متوسط از LeetCode.
- پروژه‌ها: طراحی الگوریتم برای یک مسئله واقعی (مانند بهینه‌سازی مسیر).
- ارزیابی: آزمون کدینگ و پروژه کوچک.

- ماه ۳-۴: توسعه اپلیکیشن‌های مبتنی بر وب (۳۲ ساعت، توسعه دیجیتال)
- اهداف کلیدی: یادگیری ساخت اپ‌های وب ساده برای ادغام با فناوری‌های دیگر.
- محتوای اصلی:
- Frontend: HTML/CSS/JavaScript، مقدمات React.
- Backend: Django در پایتون، APIهای پایه.
- پایگاه داده: مقدمات SQL.
- یکپارچه‌سازی: اتصال به سرویس‌های ابری ساده.
- پروژه‌ها: ساخت یک اپ وب پایه برای نمایش داده‌ها.

- ماه ۵-۷: مقدمات رباتیک، اینترنت اشیاء و هوش مصنوعی (۴۸ ساعت، ادغام سیستم‌ها و AI پایه)
- اهداف کلیدی: آشنایی اولیه با سخت‌افزار و AI برای آمادگی تابستانی.
- محتوای اصلی:
- IoT: سنسورها، Arduino، پروتکل‌های پایه.
- رباتیک: اصول کنترل و ROS مقدماتی.
- AI پایه: یادگیری ماشین (شبکه‌های عصبی پایه)، ابزارهای PyTorch.
- راهکارهای اولیه: سیستم‌های هوشمند ساده.
- پروژه‌ها: پروژه ادغامی کوچک مانند یک سنسور IoT با تحلیل داده پایه.
- ارزیابی: گزارش پروژه و آزمون عملی.

بخش تابستانی: تعمیق و تکمیل (۳ ماه، ۲۴ ساعت ماهانه محتوا، تمرکز بر کاربردهای پیشرفته و پروژه‌ها)
این بخش بر کاربردهای واقعی، مباحث پیشرفته و پروژه‌های جامع تمرکز دارد، با استفاده از آمادگی بخش سالتحصیلی برای تکمیل مهارت‌ها. ماه آخر به طور خاص به مباحث پیشرفته اختصاص یافته است.

- ماه ۱ تابستان: تعمیق رباتیک و اینترنت اشیاء (۲۴ ساعت، سیستم‌های فیزیکی پیشرفته)
- اهداف کلیدی: طراحی راهکارهای واقعی با ادغام سخت‌افزار و نرم‌افزار.
- محتوای اصلی:
- IoT پیشرفته: actuators، امنیت داده با Arduino.
- رباتیک: برنامه‌نویسی ربات‌های ساده، ناوبری.
- راهکارها: سیستم‌های هوشمند خانه یا نظارت محیطی.
- پروژه‌ها: ساخت دستگاه IoT کامل با ربات ساده بر پایه Arduino.
- ارزیابی: پروژه سخت‌افزاری و ارائه.

- ماه ۲ تابستان: هوش مصنوعی پیشرفته و راهکارهای مبتنی بر آن (۲۴ ساعت، AI کاربردی)
- اهداف کلیدی: تسلط بر مدل‌های AI و کاربردهای صنعتی، با تمرکز بر LLM Engineering.
- محتوای اصلی:
- AI پیشرفته: CNN/RNN، یادگیری تقویتی.
- LLM Engineering: مهندسی مدل‌های زبانی بزرگ (مانند fine-tuning Transformers، prompt engineering، ارزیابی مدل‌ها).
- راهکارها: پردازش تصویر، NLP در پروژه‌های واقعی با PyTorch.
- پروژه‌ها: توسعه مدل AI برای یک مسئله واقعی (مانند چت‌بات مبتنی بر LLM).
- ارزیابی: پروژه AI و بهینه‌سازی.

- ماه ۳ تابستان: مباحث پیشرفته و پروژه نهایی (۲۴ ساعت)
- اهداف کلیدی: تعمیق مباحث پیشرفته AI، رباتیک و ادغام، با پروژه جامع.
- محتوای اصلی: مباحث پیشرفته مانند مقیاس‌پذیری سیستم‌های IoT، LLM Engineering، بهینه‌سازی مدل‌های PyTorch برای کاربردهای واقعی، امنیت در Django، و ادغام همه مباحث (مانند AI در رباتیک پیشرفته).
- پروژه‌ها: پروژه نهایی ترکیبی (مانند اپ وب با Django، AI مبتنی بر PyTorch و IoT با Arduino، مانند ربات هوشمند متصل به وب با قابلیت‌های LLM).
بخش موازی: زبان انگلیسی عمومی و تخصصی (در تمام دوره، 8 ساعت ماهانه، مجموع 80 ساعت)
این بخش به صورت پیوسته و فشرده ادغام می‌شود تا مهارت‌های زبانی در کنار فنی تقویت شود، با تمرکز بر محتوای مرتبط با دوره.

- اهداف کلیدی: بهبود ارتباط فنی به انگلیسی در سطح پیشرفته.
- محتوای اصلی:
- عمومی: مکالمه پیشرفته، گرامر پیچیده، واژگان روزمره.
- تخصصی: اصطلاحات AI/IoT/رباتیک (مانند "neural network"، "prompt engineering")، خواندن مقالات فنی، نوشتن کد کامنت به انگلیسی.
- فعالیت‌ها: بحث‌های گروهی در مورد پروژه‌ها، نوشتن گزارش فنی، تماشای ویدیوهای فنی، تمرین ارائه به انگلیسی.
- پروژه‌ها: ارائه پروژه‌های ماهانه به انگلیسی، ترجمه مقالات مرتبط با LLM یا Arduino.
- ارزیابی: آزمون‌های زبانی ماهانه (مانند TOEFL-style) و ارزیابی ارائه‌ها.

سر فصل ها: