آکادمی نکسای
دوره‌ها / هوش مصنوعی

هوش مصنوعی در کار و کسب‌وکار

راهنمای عملی مدیران و متخصصان؛ از شناخت فرصت تا استفاده عملی و سنجش نتیجه

دوره تازه مدرس: دکتر مهدی محمدی ۱۳۲ درسمتوسط 📖 همراه با کتاب آنلاین

آنچه یاد می‌گیرید

  • چهار کار اصلی هوش مصنوعی را در کار واقعی تشخیص می‌دهید
  • مسئله مناسب را انتخاب و ارزش آن را با عدد می‌سنجید
  • درخواست (پرامپت) دقیق و قابل استفاده مجدد می‌نویسید
  • برای واحدهای سازمانی کاربرد طراحی و پروژه آزمایشی اجرا می‌کنید
  • کیفیت و ریسک خروجی‌ها را ارزیابی و مدیریت می‌کنید
  • نقشه راه استفاده سازمانی را تدوین می‌کنید

سرفصل‌ها

مقدمه: هوش مصنوعی در کار و کسب‌وکار رایگان۹ درس
فصل ۱: شناخت کاربردی هوش مصنوعی رایگان۱۲ درس
فصل ۲: انتخاب مسئله مناسب و سنجش ارزش ۱۱ درس
  • 🔒درس ۹: از شکایت عمومی تا مسئله قابل حل
  • 🔒درس ۱۰: نقشه فعالیت‌ها و کشف فرصت‌های کوچک
  • 🔒درس ۱۱: ارزش، امکان‌پذیری و ریسک
  • 🔒درس ۱۲: خط مبنا: اندازه‌گیری وضع موجود
  • 🔒درس ۱۳: هزینه کل و منفعت: از ظرفیت آزادشده تا منفعت واقعی
  • 🔒درس ۱۴: تحلیل حساسیت و نقطه سربه‌سر
  • 🔒درس ۱۵: سبد کاربردها و وابستگی‌ها
  • 🔒درس ۱۶: پیشنهاد یک‌صفحه‌ای کاربرد
  • 🔒راهنمای تکمیلی فصل ۲: از ظرفیت آزادشده تا منفعت قابل تحقق
  • 🔒مطالعه موردی ۲: سنجش ارزش دستیار گزارش فروش در شرکت فرضی پخش نیک‌آوند
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۳: مهارت همکاری با هوش مصنوعی و درخواست‌نویسی ۱۱ درس
  • 🔒درس ۱۷: اجزای یک درخواست کامل
  • 🔒درس ۱۸: زمینه کافی و پرسش‌های روشن‌کننده
  • 🔒درس ۱۹: مثال، نقش و قالب خروجی
  • 🔒درس ۲۰: شکستن کار پیچیده به مراحل
  • 🔒درس ۲۱: بازخورد دقیق و اصلاح پاسخ
  • 🔒درس ۲۲: کار با منابع و ارجاع قابل بررسی
  • 🔒درس ۲۳: گفت‌وگوی طولانی، حافظه و نسخه‌ها
  • 🔒درس ۲۴: داده بیرونی و دستورهای نامعتبر
  • 🔒راهنمای تکمیلی فصل ۳: ساخت درخواست قابل استفاده مجدد برای تحلیل یک جدول فارسی
  • 🔒مطالعه موردی ۳: از درخواست مبهم مدیرعامل تا گزارش قابل تأیید
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۴: کاربرد در فعالیت‌های حرفه‌ای ۱۴ درس
  • 🔒درس ۲۵: پژوهش و ساخت نقشه پرسش
  • 🔒درس ۲۶: خلاصه‌سازی بدون حذف استثناها
  • 🔒درس ۲۷: نگارش حرفه‌ای و ویرایش فارسی
  • 🔒درس ۲۸: تحلیل داده و محاسبه قابل بازتولید
  • 🔒درس ۲۹: جلسه؛ آماده‌سازی، صورت‌جلسه و پیگیری
  • 🔒درس ۳۰: ارائه و روایت داده برای تصمیم
  • 🔒درس ۳۱: برنامه‌ریزی، اولویت‌بندی و مدیریت پروژه
  • 🔒درس ۳۲: مدیریت دانش و بازیابی پاسخ
  • 🔒درس ۳۳: یادگیری فردی و دستیار تمرین
  • 🔒راهنمای تکمیلی فصل ۴: از درخواست پراکنده تا بسته کار حرفه‌ای
  • 🔒مطالعه موردی ۴: تهیه گزارش فروش ماهانه از داده خام تا ارائه (بخش ۱ از ۳)
  • 🔒مطالعه موردی ۴: تهیه گزارش فروش ماهانه از داده خام تا ارائه (بخش ۲ از ۳)
  • 🔒مطالعه موردی ۴: تهیه گزارش فروش ماهانه از داده خام تا ارائه (بخش ۳ از ۳)
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۵: کاربرد در واحدهای سازمانی ۱۳ درس
  • 🔒درس ۳۴: بازاریابی: محتوا، پیام و آزمون
  • 🔒درس ۳۵: فروش: آماده‌سازی گفت‌وگو و پیگیری
  • 🔒درس ۳۶: منابع انسانی: جذب، آموزش و ارزیابی منصفانه
  • 🔒درس ۳۷: مالی و حسابداری: تحلیل انحراف و گزارش استثنا
  • 🔒درس ۳۸: حقوقی و قراردادها: بررسی بندها و ریسک
  • 🔒درس ۳۹: عملیات و کیفیت فرایند
  • 🔒درس ۴۰: زنجیره تأمین و خرید
  • 🔒درس ۴۱: نگهداری و تعمیرات و هشدار قابل استفاده
  • 🔒درس ۴۲: خدمات مشتری و پاسخ مستند
  • 🔒درس ۴۳: مدیریت ارشد: پشتیبانی تصمیم راهبردی و پایش محیط
  • 🔒راهنمای تکمیلی فصل ۵: طراحی کاربرد مشترک میان فروش، برنامه‌ریزی و خدمات مشتری
  • 🔒مطالعه موردی ۵: پاسخ مستند در خدمات مشتری فروشگاه‌های زنجیره‌ای فرضی پارس
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۶: طراحی فرایند کار و دستیار سازمانی ۱۲ درس
  • 🔒درس ۴۴: نقشه فرایند و نقطه کنترل
  • 🔒درس ۴۵: خودکارسازی ساده، دستیار و عامل هوشمند
  • 🔒درس ۴۶: بازیابی دانش و پاسخ مبتنی بر سند
  • 🔒درس ۴۷: تنظیم دقیق مدل: چه زمانی لازم است؟
  • 🔒درس ۴۸: اتصال به سامانه‌ها و قرارداد داده
  • 🔒درس ۴۹: اختیار حداقلی و تأیید اقدام
  • 🔒درس ۵۰: ثبت عملیات، توقف و بازگشت
  • 🔒درس ۵۱: معماری استقرار: سرویس بیرونی، داخلی یا ترکیبی
  • 🔒راهنمای تکمیلی فصل ۶: آزمون دستیار مبتنی بر سند با یک مخزن کوچک
  • 🔒مطالعه موردی ۶: دستیار مقایسه پیشنهادهای خرید در پتروشیمی فرضی خلیج (بخش ۱ از ۲)
  • 🔒مطالعه موردی ۶: دستیار مقایسه پیشنهادهای خرید در پتروشیمی فرضی خلیج (بخش ۲ از ۲)
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۷: اجرای یک پروژه آزمایشی ۱۲ درس
  • 🔒درس ۵۲: فرضیه قابل رد و دامنه محدود
  • 🔒درس ۵۳: آماده‌سازی داده و نمونه نماینده
  • 🔒درس ۵۴: انتخاب ابزار با آزمون مشترک
  • 🔒درس ۵۵: نقش‌ها و برنامه اجرا
  • 🔒درس ۵۶: بودجه و کنترل مصرف
  • 🔒درس ۵۷: آموزش کاربران و رعایت روش
  • 🔒درس ۵۸: اجرای مقایسه و ثبت منصفانه
  • 🔒درس ۵۹: گزارش نتیجه و تصمیم ادامه
  • 🔒راهنمای تکمیلی فصل ۷: طراحی مقایسه‌ای که در جلسه تصمیم قابل دفاع باشد
  • 🔒مطالعه موردی ۷: آزمایش چهارهفته‌ای خلاصه پرونده اعتباری در بانک فرضی آبان (بخش ۱ از ۲)
  • 🔒مطالعه موردی ۷: آزمایش چهارهفته‌ای خلاصه پرونده اعتباری در بانک فرضی آبان (بخش ۲ از ۲)
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۸: ارزیابی کیفیت و مدیریت ریسک ۱۳ درس
  • 🔒درس ۶۰: معیار پذیرش و نمره‌دهی
  • 🔒درس ۶۱: دقت هشدار، پوشش و انواع خطا
  • 🔒درس ۶۲: آزمون‌های مرزی و خصمانه
  • 🔒درس ۶۳: بهره‌وری واقعی و تفاوت محیط‌ها
  • 🔒درس ۶۴: مرز ناهموار قابلیت و وابستگی به پاسخ
  • 🔒درس ۶۵: محرمانگی و داده لازم
  • 🔒درس ۶۶: انصاف و کیفیت برای گروه‌های مختلف
  • 🔒درس ۶۷: مالکیت فکری، مسئولیت حقوقی و شفافیت
  • 🔒درس ۶۸: اداره مستمر و بازبینی تغییرها
  • 🔒راهنمای تکمیلی فصل ۸: خواندن شاخص‌های کیفیت بدون گمراه‌شدن با میانگین
  • 🔒مطالعه موردی ۸: تصمیم درباره توسعه دستیار خلاصه‌سازی گزارش‌ها (بخش ۱ از ۲)
  • 🔒مطالعه موردی ۸: تصمیم درباره توسعه دستیار خلاصه‌سازی گزارش‌ها (بخش ۲ از ۲)
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۹: انسان، سازمان و مدیریت تغییر ۱۲ درس
  • 🔒درس ۶۹: اثر هوش مصنوعی بر وظایف و شغل‌ها: بازطراحی نقش
  • 🔒درس ۷۰: سیاست استفاده سازمانی از هوش مصنوعی
  • 🔒درس ۷۱: مهارت‌آموزی و برنامه توانمندسازی کارکنان
  • 🔒درس ۷۲: پذیرش، مقاومت و ارتباطات تغییر
  • 🔒درس ۷۳: رهبری و فرهنگ آزمایش
  • 🔒درس ۷۴: ساختار حکمرانی: کمیته، مالک کاربرد و مرکز تعالی
  • 🔒درس ۷۵: سنجش پذیرش و ارزش در سطح سازمان
  • 🔒درس ۷۶: همکاری با تأمین‌کنندگان، مشاوران و شرکای فناوری
  • 🔒راهنمای تکمیلی فصل ۹: نقشه راه شش‌ماهه پذیرش هوش مصنوعی
  • 🔒مطالعه موردی ۹: برنامه شش‌ماهه پذیرش هوش مصنوعی در بیمه فرضی آسمان (بخش ۱ از ۲)
  • 🔒مطالعه موردی ۹: برنامه شش‌ماهه پذیرش هوش مصنوعی در بیمه فرضی آسمان (بخش ۲ از ۲)
  • 🔒جمع‌بندی و خودآزمایی فصل
فصل ۱۰: پروژه پایانی و نقشه راه استفاده ۱۳ درس
  • 🔒درس ۷۷: انتخاب پروژه و قرارداد یادگیری
  • 🔒درس ۷۸: پرونده شواهد و ثبت نسخه
  • 🔒درس ۷۹: ساخت درخواست و آزمون اولیه
  • 🔒درس ۸۰: اجرای پروژه فردی با کنترل سبک
  • 🔒درس ۸۱: اجرای پروژه تیمی و توافق مشترک
  • 🔒درس ۸۲: ارائه نتیجه به مدیر و متخصص
  • 🔒درس ۸۳: نقشه راه نودروزه و توسعه مرحله‌ای
  • 🔒درس ۸۴: برنامه یادگیری و استقلال حرفه‌ای
  • 🔒راهنمای تکمیلی فصل ۱۰: نمونه کامل گزارش نهایی پروژه
  • 🔒مطالعه موردی ۱۰: پروژه پایانی تیم تحلیل فروش در شرکت فرضی پخش سپهر (بخش ۱ از ۲)
  • 🔒مطالعه موردی ۱۰: پروژه پایانی تیم تحلیل فروش در شرکت فرضی پخش سپهر (بخش ۲ از ۲)
  • 🔒جمع‌بندی و خودآزمایی فصل
  • 🔒سخن پایانی: از آزمایش تا عادت حرفه‌ای

درباره این دوره

این دوره بر پایه کتاب «هوش مصنوعی در کار و کسب‌وکار: راهنمای عملی مدیران و متخصصان» (جلد اول مجموعه «هوش مصنوعی؛ از شناخت تا کاربرد») نوشته دکتر مهدی محمدی ساخته شده است. هر درس چند کارت کوتاه از متن کتاب و چند پرسش تمرینی دارد؛ کتاب کامل نیز در همین دوره به‌صورت آنلاین خوانده می‌شود. مقدمه و فصل نخست برای همه رایگان است.

مخاطب دوره

مدیران، کارشناسان و متخصصانی که می‌خواهند هوش مصنوعی را منضبط و سنجیده در کار روزمره و سازمان به کار بگیرند.

مدرس

م
دکتر مهدی محمدی

دانشیار دانشکدگان مدیریت دانشگاه تهران؛ پژوهشگر و مشاور مدیریت فناوری و نوآوری و کاربرد هوش مصنوعی در صنعت و خدمات مالی.

نظر یادگیرندگان

هنوز نظری ثبت نشده است.