Machine Learning
- الگوریتم‌های پیش‌بینی
- آموزش شبکه‌های عصبی
Computer Vision
- پردازش فریم ویدیویی
- تشخیص هوشمند چهره
YOLO
- تشخیص اشیاء زنده
- ردیابی بلادرنگ هدف
Python
- کدنویسی بهینه منطق
- کار با کتابخانه‌های AI
LLM
- تولید متون هوشمند
- طراحی چت‌بات خلاق
AI Agent
- برنامه‌ریزی خودکار
- حل مسئله مستقل
زبان پایه
تشخیص بلادرنگ
Vision
بینایی ماشین
Machine
Learning
Learning
یادگیری ماشین
AI Agent
عامل هوشمند
LLM
مدل‌های زبانی
اولین پلتفرم آزمایش و یادگیری عملی هوش مصنوعی
از تئوری تا
تجربه واقعی
هوش مصنوعی
با آواتار آزمان مفاهیم هوش مصنوعی را در دنیای واقعی آزمایش کنید، پروژه بسازید و نوآوری کنید.
مناسب برای همه علاقه‌مندان به دنیای AI
کودکان خلاق
۹ تا ۱۲ سال
تفکر الگوریتمی و بازی‌سازی هوش مصنوعی
نوجوانان آینده ساز
۱۳ تا ۱۷ سال
برنامه‌نویسی پایتون و بینایی ماشین
دانشجویان و مهندسان
همه سطوح
توسعه مدل‌های زبانی بزرگ و رباتیک
مدارس و آموزشگاه‌ها
طرح همگام
تجهیز کارگاه‌ها و اجرای کاریکولوم رسمی AI
مربیان و مدرسان
تربیت مدرس
انتقال تجربه تدریس عملی ابزارهای پیشرفته
آواتار آزمان
همراه‌هوشمند شما در
مسیر یادگیری و نوآوری
آواتار آزمان چیست؟
آواتار آزمان در آموزش هوش مصنوعی چه کارکردی دارد؟
رویکرد آموزشی ما این است که هوش مصنوعی نباید یک مفهوم انتزاعی و غیر قابل دسترس و فقط روی صفحه مانیتور باشد.
در پلتفرم آزمان، آواتار فیزیکی با نام AzmanBot نقش کالبدی را ایفا می‌کند که مدل‌های هوش مصنوعی، الگوریتم‌های بینایی ماشین، یادگیری عمیق و شبکه‌های عصبی شما را در دنیای واقعی به جریان می‌اندازد. در حقیقت این ربات مورد استفاده قرار می‌گیرد تا ابزاری برای کاربردی کردن هوش مصنوعی باشد و کاربر می‌تواند خودش آن را با مقوای سخت بسازد یا حتی یکی از ماشین‌های اسباب‌بازی موجود در خانه را برای این کار بردارد. البته که امکان چاپ سه‌بعدی آواتار نیز وجود دارد ولی برای مدیریت هزینه‌های هنرجو الزامی نیست.
روش نوین آموزش هوش مصنوعی به صورت عملی و ازمایشگاهی
خلاصه نحوه اجرای تجربی و آزمایش هوش مصنوعی:
ایده‌ی اصلی فوق‌العاده ساده است:
هر کسی که یک گوشی هوشمند دارد، بتواند با بهره‌گیری از یک زیرساخت نرم‌افزاری، یک آواتار فیزیکی را به سیستم هوش مصنوعی مجهز کرده، تمام مفاهیم یادگیری ماشین را به صورت کاملاً عملی اجرا کند و آموزش ببیند تا در نهایت این تجربه ارزشمند را در دنیای واقعی و صنایع هوشمند به کار گیرد.
نکته کلیدی و جذاب این مسیر اینجاست: در پلتفرم ما، شاسی مکانیکی تنها یک «آواتار فیزیکی» یا کالبد بیرونی است. این مغز پردازشگر هوش مصنوعی و مدل‌های شبکه عصبی (توسعه‌یافته در پلتفرم AzmanAI) هستند که به این کالبد، جانِ هوشمند می‌بخشند. ما سخت‌افزار را تا حد ممکن ساده و ایمن کرده‌ایم تا تمام تمرکز، خلاقیت و نبوغ هنرجو بر روی هسته اصلی آینده جهان، یعنی هوش مصنوعی معطوف باقی بماند.
نقش حیاتی تلفن همراه در CarBot
-
قدرت پردازش بالا
-
حسگرهای کامل در یک دستگاه
-
ارتباط ساده، در دسترس، قابل ارتقا
چه کسانی می‌توانند در این پلتفرم و با استفاده ازآواتار آزمان آموزش ببینند؟
کودکان
(۹ تا ۱۱ سال)
آشنایی بازی‌محور با آواتار و هوش مصنوعی برای کودکان خلاق
با همراهی والدین یا مربیان، کودکان بدون درگیر شدن با چالش‌های خشک سخت‌افزاری یا سیم‌کشی‌های پیچیده، وارد دنیای تفکر الگوریتمی می‌شوند. در این سطح، آواتار فیزیکی CarBot به بچه‌ها کمک می‌کند تا مفاهیم هوشمندسازی، منطق تصمیم‌گیری و پردازش تصویر را به صورت کاملاً امن، شاد و پروژه‌محور لمس کنند. هر تجربه با CarBot، گامی استوار به سوی سواد دیجیتال قرن بیست و یکم.
کارگاه
نوجوانان و دانش‌آموزان
(۱۲ تا ۱۶ سال)
مهندسی سیستمهای خودران و ناوبری هوشمند
از اولین خط کد تا فرمانروایی بر اتومبیل خودران
نوجوانان در این سطح، الگوریتم‌های هوش مصنوعی و بینایی ماشین را به کمک محیط گرافیکی و نیمه‌متنی RobatAI روی پلتفرم فیزیکی اجرا می‌کنند.
با به کارگیری دوربین و سنسورهای آواتار CarBot، پروژه‌های مهندسی جذابی مانند پردازش زنده تصاویر، دور زدن هوشمند موانع و تحلیل تله‌متری داده‌ها خلق میشود؛ تجربه‌ای بی‌نظیر برای درخشش در مسابقات علمی و جشنواره‌های فناوری کشور.
کارگاه
دانشجویان و متخصصین
(۱۷ سال به بالا) آزمایشگاه کوچک ربات‌های صنعتی (توسعه یادگیری عمیق و هوش مصنوعی لبه)
دانشجویان و توسعه‌دهندگان می‌توانند مدل‌های پیشرفته یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) را مستقیماً روی پردازنده لبه CarBot پیاده‌سازی کنند. این پلتفرم، بستری ایده‌آل و کم-هزینه برای تست و توسعه سناریوهای واقعی صنعت، از جمله کلون‌سازی رفتار رانندگی (Behavioral Cloning)، ربات‌های لجستیک انبارداری و سیستمهای پایش امنیتی مدرن، بدون ریسک سخت‌افزاری است.
کارگاه
مدارس و آموزشگاه‌ها
تبدیل کلاس و کارگاه سنتی به آزمایشگاه مدرن AI
(مدرسه خود را به لبه تکنولوژی متصل کنید)
اکوسیستم RobatAI به مدارس و مراکز آموزشی کمک می‌کند تا مفاهیم تئوریک و خشک کتاب‌های درسی را به کارگاه‌های پویا، تیمی و محصول‌محور تبدیل کنند. دبیران می‌توانند بر بستر یک پلتفرم استاندارد و یکپارچه، پیشرفته‌ترین مباحث هوش مصنوعی را به شکلی ملموس تدریس کرده و مرکز خود را به عنوان «آموزشگاه پیشرو در مشاغل آینده» معرفی نمایند.
کارگاه
پروژه‌های شاخص هوش مصنوعی (AI Projects Showcase)
از آموزش تا کاربرد در صنعت
آزمان فقط یک آواتار ساده نیست؛ کارگاهی عملی برای آموزش و تست ایده‌های خلاقانه و نو در بستر هوش مصنوعی و البته، با کمترین هزینه است.
مهارت‌های کلیدی که با اجرای پروژه آواتار Azman می‌آموزید
از هوش مصنوعی تا مکاترونیک، هر آنچه برای آموزش عملی هوش مصنوعی نیاز دارید، در اینجا گردآوری شده است.
۰۱
هوش مصنوعی
بینایی ماشین، YOLO و پردازش تصویر
- مفاهیم پایه هوش مصنوعی
- یادگیری ماشین
- بینایی ماشین
- تشخیص اشیاء (YOLO)
- شبکه‌های عصبی عمیق
YOLO
OpenCV
CNN
۰۲
برنامه‌نویسی
Python، JavaScript و توسعه نرم‌افزار
- برنامه‌نویسی با پایتون
- ساختار داده و الگوریتم
- برنامه‌نویسی شی‌گرا
- کار با کتابخانه‌های هوش مصنوعی
- دیباگ و رفع خطا
Python
OOP
Git
۰۳
مکاترونیک
الکترونیک، مکانیک و کنترل یکپارچه
- مدارهای الکترونیکی و حسگرها
- میکروکنترلر Arduino / ESP32
- طراحی شاسی و اجزای مکانیکی
- سیستمهای حرکت و انتقال نیرو
- مونتاژ، سیم‌کشی و راه‌اندازی
Arduino
CAD
3D Print
PWM
۰۴
الگوریتم
تفکر منطقی، حل مسئله و تصمیم‌گیری
- الگوریتم‌های پایه کنترل ربات
- تکنیک‌های بهینه‌سازی حل مسئله
- ساختارهای تصمیمی هوشمند
- منطق فازی و کنترل فیدبک
- مسیریابی هوشمند و خودمختاری
Logic
Decision Tree
PID
آموزش هوش مصنوعی با زبان ساده: الهام‌بخش نسل آینده متخصصان فناوری
کارگاه‌های مختلف پروژه آزمان
بدنه آواتار
برای ساخت بدنه آواتار آزمان از روش‌های مختلفی می‌توان بهره گرفت. ارزان‌ترین روش، ساخت بدنه با مقوای سخت است. پرینت سه‌بعدی مدل مورد نظر کاربر و حتی اسباب‌بازی هم برای این کار کاملا قابل استفاده است.
کلیک کنید
برنامه نویسی
در پلتفرم آواتار هوش مصنوعی آزمان ، شما می‌توانید هر نوع کدی را برای کنترل آواتار آزمایش کنید. کد را می‌نویسید، به آواتار آپلود می‌کنید و نتیجه را همان لحظه می‌بینید.
کلیک کنید
سرویس کنترل
یکی از روش های کنترل آواتار هوش مصنوعی، استفاده از سرویس وب و در بستر اینترنت می‌باشد، کنترل آواتار از طریق وب سرویس و اینترنت، به صورت کنترل از راه دور
کلیک کنید
آردوینو
برای ترجمه دستوراتی که از طرف اپلیکیشن ارسال میشود، یک میان افزار نیاز هست. تا دستورات نرم افزاری را به بخش‌های مختلف آواتار ترجمه شود. این کار با کمک آردوینو انجام میشود.
کلیک کنید
اپلیکیشن
برای استفاده از قدرت پردازش، دوربین و سنسورهای گوشی موبایل، اپلیکیشن آزمان تهیه شده است. تیم آزمان اپلیکیشن دیگری نیز برای کنترل ربات نوشته است.
کلیک کنید
مدل‌های هوش مصنوعی استفاده‌شده در آواتار آزمان
آواتار آزمان، فقط یک آواتار ساده نیست؛ پشت صحنه‌ی آن، مدل‌های واقعی یادگیری ماشین در حال اجرا هستند.
چند نمونه از مدل‌هایی که در پروژه به کار می‌بریم:
مدل هوش مصنوعی EfficientDet
بدون دیدگاه
مدل هوش مصنوعی EfficientDet چیست؟ دقت بالا با کارایی مناسب وقتی نیاز به شناسایی دقیق‌تر اشیاء با ساختار پیچیده‌تر داریم، از EfficientDet استفاده می‌کنیم؛ مدلی که تعادل خوبی بین دقت و سرعت روی گوشی ایجاد می‌کند. EfficientDet یک معماری پیشرفته برای تشخیص اشیا (Object Detection) است که توسط تیم Google Brain توسعه داده شده و
مدل هوش مصنوعی PilotNet
بدون دیدگاه
PilotNet – یادگیری رانندگی خودران الگوریتمی الهام‌گرفته از خودروهای خودران که با نگاه‌کردن به تصویر دوربین، زاویه‌ی فرمان ربات را تعیین می‌کند.ابزاری عالی برای آزمایش ایده‌های ناوبری و رانندگی خودکار. PilotNet اولین بار در سال ۲۰۱۶ توسط NVIDIA به‌عنوان یک مدل شبکه عصبی کانولوشنال (CNN) برای خودروهای خودران معرفی شد. هدف اصلی آن، یادگیری مستقیم
مدل هوش مصنوعی YOLO
بدون دیدگاه
YOLO چیست؟( تشخیص هم‌زمان چند شیء) وقتی می‌خواهیم چندین شیء را هم‌زمان در تصویر ربات پیدا کنیم (مثلاً چند مانع، چند جعبه یا چند برچسب)، از مدل‌های خانواده YOLO استفاده می‌کنیم. YOLO مخفف You Only Look Once (فقط یک‌بار نگاه کن) است، یک مدل هوش مصنوعی است که برای تشخیص اشیا در تصاویر و ویدیوها
مدل هوش مصنوعی MobileNet
بدون دیدگاه
MobileNet – تشخیص سریع روی موبایلمدل سبک و بهینه برای اجرا روی گوشی؛ مناسب برای تشخیص اشیای عمومی در محیط کلاس و سالن تست، بدون نیاز به سخت‌افزار سنگین. MobileNetV3-320 یک مدل پیشرفته در خانواده MobileNet است که توسط Google Research توسعه یافته و برای اجرای کارآمد روی دستگاههای موبایل و سیستمهای لبه (Edge) بهینه‌سازی
