هوش مصنوعی ویژه مدارس سمپاد
مدرسه تابستانه هوش مصنوعی برای دانشآموزان تیزهوشان
مدت دوره: ۷۰ ساعت
شهریه دوره(با اعمال 35 درصد تخفیف): 5 میلیون تومان
در این دوره دانشآموزان با مفاهیم پایه هوش مصنوعی، برنامهنویسی پایتون، یادگیری ماشین، بینایی ماشین، مدلهای مولد، اینترنت اشیاء و رباتیک آشنا میشوند و در طول دوره چندین پروژه عملی هوش مصنوعی طراحی و پیادهسازی میکنند.
فاز ۱ — آشنایی هیجانانگیز با هوش مصنوعی
مدت: ۸ ساعت
هدف این بخش ایجاد یک تصویر ذهنی درست و الهامبخش از هوش مصنوعی و آشنایی با کاربردهای واقعی آن در جهان است.
موضوعات آموزشی
- هوش مصنوعی چیست و چه تفاوتی با برنامهنویسی معمولی دارد
- تاریخچه کوتاه هوش مصنوعی و روند پیشرفت آن
- تفاوت میان Artificial Intelligence, Machine Learning, Deep Learning
- دادهها چگونه به هوش مصنوعی قدرت میدهند
- معرفی کاربردهای واقعی هوش مصنوعی در زندگی روزمره
نمونه کاربردهای قابل بررسی
- تشخیص چهره در گوشیهای هوشمند
- سیستمهای توصیهگر
- خودروهای خودران
- ترجمه خودکار زبان
- تشخیص بیماری در تصاویر پزشکی
- تولید تصویر و متن با AI
- رباتهای هوشمند
فعالیتهای عملی
- آزمایش سیستم تشخیص تصویر
- تولید تصویر با هوش مصنوعی
- طراحی یک ایده خلاقانه برای کاربرد AI در مدرسه آینده
فاز ۲ — تفکر محاسباتی و برنامهنویسی پایتون
مدت: ۱۲ ساعت
در این بخش دانشآموزان با تفکر الگوریتمی و برنامهنویسی پایتون آشنا میشوند تا بتوانند سیستمهای هوشمند بسازند.
موضوعات آموزشی
- الگوریتم چیست و چگونه طراحی میشود
- تفکر محاسباتی و حل مسئله
- آشنایی با محیط Python و Google Colab
- متغیرها و انواع دادهها
- عملیات ریاضی و منطقی
- شرطها (if / else)
- حلقهها (for / while)
- لیستها و دیکشنریها
- توابع (Functions)
- کار با کتابخانهها در پایتون
تمرینها و پروژههای کوچک
- انجام دو پروژه کوچک و متوسط با کمک هوش مصنوعی
فاز ۳ — داده و یادگیری ماشین برای نوجوانان
مدت: ۱۲ ساعت
در این بخش دانشآموزان با مفهوم یادگیری ماشین و نحوه آموزش یک مدل هوش مصنوعی آشنا میشوند.
موضوعات آموزشی
- داده چیست و چرا برای AI مهم است
- Dataset و ساخت مجموعه داده
- ویژگیها (Features) و برچسبها (Labels)
- یادگیری نظارتشده (Supervised Learning)
- فرآیند آموزش مدل (Training)
- ارزیابی مدل (Testing)
- مفهوم دقت (Accuracy)
- خطای مدل و Overfitting
- معرفی الگوریتمهای ساده یادگیری ماشین
ابزارهای مورد استفاده
- Python
- scikit-learn
- pandas
- matplotlib
پروژههای عملی
- تحلیل و مصورسازی دادهها
- پیشبینی ساده با یادگیری ماشین
- ساخت مدل تشخیص دستهبندی دادهها
- ساخت اولین AI Prediction App
فاز ۴ — بینایی ماشین (Computer Vision)
مدت: ۱۲ ساعت
در این بخش دانشآموزان یاد میگیرند که چگونه کامپیوتر میتواند تصاویر و ویدئوها را تحلیل کند.
موضوعات آموزشی
- تصویر دیجیتال چیست
- پیکسل و نمایش عددی تصویر
- پردازش تصویر در پایتون
- فیلترهای تصویری
- تشخیص چهره
- تشخیص اشیا
- تشخیص حرکت
ابزارها
- Python
- OpenCV
پروژههای عملی
- ساخت فیلترهای تصویری
- سیستم تشخیص چهره
- سیستم تشخیص حرکت دست
- بازی کنترلشونده با حرکت دست
- پروژه Rock–Paper–Scissors با دوربین
فاز ۵ — هوش مصنوعی مولد (Generative AI)
مدت: ۱۰ ساعت
موضوعات آموزشی
- هوش مصنوعی مولد چیست
- مدلهای زبانی چگونه کار میکنند
- مفهوم توکن و پیشبینی کلمات
- آشنایی با Prompt Engineering
- تولید متن با AI
- تولید تصویر با AI
فاز ۶ — ساخت چتبات هوشمند
مدت: ۶ ساعت
موضوعات آموزشی
- API چیست
- اتصال برنامه پایتون به سرویسهای AI
- معماری یک چتبات
- طراحی شخصیت چتبات
- طراحی Prompt برای مکالمه
پروژه
ساخت یک School AI Assistant
ویژگیها
- پاسخ به سوالات درسی
- کمک در انجام تکالیف
- تولید سوالات تمرینی
فاز ۷ — اینترنت اشیاء، سنسورها و رباتیک
مدت: ۶ ساعت
در این بخش دانشآموزان با ترکیب هوش مصنوعی و سختافزار آشنا میشوند.
موضوعات آموزشی
- اینترنت اشیاء چیست
- سنسورها چگونه کار میکنند
- خواندن داده از سنسورها
- ارتباط میان سنسورها و برنامههای پایتون
- کنترل دستگاهها با برنامه
ابزارهای احتمالی
- Arduino یا ESP32
- سنسور فاصله
- سنسور نور
- سنسور دما
- موتور و LED
پروژههای عملی
- سیستم هشدار فاصله
- چراغ هوشمند مبتنی بر نور
- سیستم ثبت دادههای محیطی
- کنترل ربات ساده با برنامه
هدف این بخش آشنایی با AI + Robotics + IoT است.
فاز ۸ — ساخت اپلیکیشنهای هوش مصنوعی
مدت: ۶ ساعت
موضوعات آموزشی
- ساخت رابط کاربری ساده
- نمایش نتایج مدل AI
- طراحی اپلیکیشنهای تعاملی
ابزار
- Streamlit
پروژهها
- AI Image Classifier Web App
- AI Text Generator App
- Data Dashboard
فاز ۹ — پروژه نهایی و نمایشگاه
مدت: ۸ ساعت
در پایان دوره دانشآموزان در قالب تیمهای کوچک یک پروژه واقعی هوش مصنوعی طراحی و پیادهسازی میکنند.
مراحل پروژه
- انتخاب مسئله
- طراحی راهحل
- پیادهسازی سیستم
- ساخت رابط کاربری
- آمادهسازی ارائه
نمونه پروژهها
- دستیار مطالعه مبتنی بر AI
- سیستم تشخیص احساسات چهره
- بازی مبتنی بر بینایی ماشین
- سیستم تشخیص گیاهان
- ربات هوشمند با سنسورها
در پایان دوره یک AI Demo Day برگزار میشود که در آن دانشآموزان پروژههای خود را ارائه میکنند.
مهارتهایی که دانشآموزان در پایان دوره کسب میکنند
- برنامهنویسی پایتون
- تحلیل داده
- یادگیری ماشین
- بینایی ماشین
- کار با مدلهای زبانی
- طراحی چتبات
- توسعه اپلیکیشنهای AI
- آشنایی با سنسورها و اینترنت اشیاء
- کار تیمی و ارائه پروژه
سر فصل ها:
درباره
مهارتها
جمعی از مهارتها












