🎓 مسیر جامع گواهینامه‌های هوش مصنوعی و یادگیری ماشین

از مبتدی تا متخصص - ترتیب استاندارد یادگیری

📌 راهنمای استفاده:
در حوزه AI/ML، تجربه عملی و پروژه‌ها از گواهینامه مهم‌تر هستند. با این حال، گواهینامه‌های معتبر (مخصوصاً از Google، Microsoft، AWS) می‌توانند دانش شما را تایید کنند و در CV شما تاثیر مثبت داشته باشند. این roadmap بهترین گواهینامه‌ها را به ترتیب اولویت نشان می‌دهد.

🌱

سطح 1
پایه

⏱️ 2-3 ماه

1 📊 Google Data Analytics Professional Certificate

Google / Coursera

بهترین نقطه شروع برای کسانی که می‌خواهند وارد حوزه Data Science و ML شوند. این دوره مبانی تحلیل داده، Python، SQL و تجسم داده را آموزش می‌دهد.

سطح

Beginner

پیش‌نیاز

ندارد

مدت دوره

6 ماه (10 ساعت/هفته)

هزینه

$39/ماه Coursera

نوع

Professional Certificate

📋 سرفصل‌های کلیدی:

Foundations of Data
Ask Questions for Decisions
Data Preparation
Data Analysis (R/SQL)
Data Visualization
Tableau & Spreadsheets
Case Study Project

1.A 🐍 IBM Data Science Professional Certificate

IBM / Coursera

مسیر جایگزین که بیشتر روی Python و Data Science تمرکز دارد. شامل Machine Learning مقدماتی هم می‌شود.

مدت دوره

10 ماه (5 ساعت/هفته)

هزینه

$39/ماه Coursera

📋 موضوعات:

Python for Data Science
Data Visualization
SQL & Databases
Machine Learning Basics
Applied Data Science Capstone

💡 توصیه: قبل از شروع Machine Learning، حتماً مبانی Python، NumPy، Pandas و تحلیل داده را یاد بگیرید. بدون این پایه‌ها، درک ML دشوار خواهد بود.

🎯

سطح 2
ML پایه

⏱️ 3-5 ماه

2 🎓 Machine Learning Specialization (Andrew Ng)

Stanford / Coursera

مهم‌ترین و محبوب‌ترین دوره Machine Learning در جهان! استاد Andrew Ng یکی از بزرگترین اساتید ML است. این دوره مبانی نظری و عملی ML را به شکل استادانه آموزش می‌دهد.

سطح

Beginner-Intermediate

پیش‌نیاز

Python پایه + ریاضی مقدماتی

تعداد دوره

3 دوره

مدت

3 ماه (11 ساعت/هفته)

هزینه

$49/ماه Coursera

📋 سرفصل‌های کلیدی:

Supervised Learning (Regression & Classification)
Neural Networks
Unsupervised Learning (Clustering, PCA)
Recommender Systems
Reinforcement Learning Intro
ML Best Practices
TensorFlow Implementation

⭐ این دوره اجباری است! تقریباً همه متخصصین ML این دوره را گذرانده‌اند. پایه‌گذار تمام یادگیری‌های بعدی شماست.

2.A ☁️ AWS Certified Machine Learning - Specialty

Amazon Web Services

اولین گواهینامه رسمی و معتبر در ML. این گواهینامه توانایی شما در استفاده از سرویس‌های ML در AWS را تایید می‌کند و در بازار کار بسیار ارزشمند است.

سطح

Specialty

پیش‌نیاز

1-2 سال ML + AWS پایه

تعداد سوالات

65 سوال

مدت آزمون

180 دقیقه

هزینه

$300

اعتبار

3 سال

📋 حوزه‌های تخصصی:

Data Engineering (20%)
Exploratory Data Analysis (24%)
Modeling (36%)
ML Implementation & Operations (20%)
SageMaker
Amazon Comprehend, Rekognition
AWS Glue & EMR

🚀

سطح 3
Deep Learning

⏱️ 4-6 ماه

3 🧠 Deep Learning Specialization (Andrew Ng)

DeepLearning.AI / Coursera

دوره جامع Deep Learning از Andrew Ng. این Specialization پس از ML Specialization گرفته می‌شود و شما را با Neural Networks، CNN، RNN و Transformers آشنا می‌کند.

سطح

Intermediate

پیش‌نیاز

ML Specialization

تعداد دوره

5 دوره

مدت

5 ماه (7 ساعت/هفته)

هزینه

$49/ماه Coursera

📋 سرفصل‌های 5 دوره:

Course 1: Neural Networks & Deep Learning
Course 2: Hyperparameter Tuning & Optimization
Course 3: Structuring ML Projects
Course 4: CNNs (Computer Vision)
Course 5: RNNs & Sequence Models
TensorFlow & Keras
Transfer Learning
Attention Mechanisms

3.A 🤖 TensorFlow Developer Certificate

Google

گواهینامه رسمی Google برای توسعه‌دهندگان TensorFlow. این یک آزمون عملی 5 ساعته است که مهارت شما در ساخت و آموزش مدل‌های ML را تست می‌کند.

سطح

Intermediate

نوع آزمون

Performance-based (عملی)

محیط

PyCharm IDE

مدت آزمون

5 ساعت

هزینه

$100

اعتبار

3 سال

📋 مهارت‌های مورد آزمون:

Building ML models with TensorFlow
Image classification & CNN
Natural Language Processing
Time series & sequences
Data preprocessing
Model evaluation

⚠️ نکته: این آزمون کاملاً عملی است. باید 5 مدل ML را در 5 ساعت بسازید و train کنید. نیاز به تجربه واقعی دارد!

3.B 🔷 Microsoft Azure AI Engineer Associate (AI-102)

Microsoft

گواهینامه مایکروسافت برای مهندسین AI که با Azure Cognitive Services کار می‌کنند. پوشش Computer Vision، NLP، و Azure ML.

سطح

Associate

تعداد سوالات

40-60 سوال

مدت آزمون

100 دقیقه

هزینه

$165

📋 موضوعات:

Azure Cognitive Services
Computer Vision API
Custom Vision
Language Understanding (LUIS)
QnA Maker
Bot Framework
Azure ML Studio

💎

سطح 4
تخصصی

⏱️ 6-12 ماه

4 🔍 Natural Language Processing Specialization

DeepLearning.AI / Coursera

Specialization جامع NLP از DeepLearning.AI. پوشش کامل Word Embeddings، RNN، Attention، Transformers و BERT.

تعداد دوره

4 دوره

مدت

4 ماه (8 ساعت/هفته)

📋 موضوعات:

NLP with Classification & Vector Spaces
Probabilistic Models
Sequence Models (RNN, LSTM)
Attention Models & Transformers
BERT, GPT
Machine Translation

4.A 👁️ Computer Vision Specialization

DeepLearning.AI / Coursera

تخصص در Computer Vision. پوشش CNN پیشرفته، Object Detection، Segmentation و GANs.

📋 موضوعات:

CNN Architectures (ResNet, VGG, Inception)
Object Detection (YOLO, R-CNN)
Image Segmentation
Face Recognition
Style Transfer
GANs

4.B 📊 Google Cloud Professional ML Engineer

Google Cloud

گواهینامه حرفه‌ای Google Cloud برای مهندسین ML. پوشش طراحی، ساخت و production ML models در GCP.

سطح

Professional

پیش‌نیاز

3+ سال تجربه ML

تعداد سوالات

50-60 سوال

مدت آزمون

120 دقیقه

هزینه

$200

📋 حوزه‌های تخصصی:

Frame ML Problems
ML Solution Architecture
Data Preparation & Processing
ML Model Development (Vertex AI)
ML Pipeline Automation
ML Solution Monitoring

4.C 🔷 Microsoft Azure Data Scientist Associate (DP-100)

Microsoft

گواهینامه Data Scientist مایکروسافت. پوشش کامل Azure Machine Learning و MLOps.

سطح

Associate

هزینه

$165

🏆

سطح 5
حرفه‌ای

⏱️ متغیر

5 🤖 Generative AI with LLMs

DeepLearning.AI / Coursera

دوره جدید و HOT در حوزه LLMs و Generative AI. پوشش GPT، BERT، Fine-tuning و Prompt Engineering.

📋 موضوعات:

Transformer Architecture
Pre-training LLMs
Fine-tuning & Instruction Tuning
RLHF (Reinforcement Learning from Human Feedback)
LLM-powered Applications
LangChain

5.A ⚙️ MLOps Specialization

DeepLearning.AI / Coursera

Specialization برای Production ML. یاد می‌گیرید چگونه مدل‌ها را deploy، monitor و scale کنید.

📋 موضوعات:

Production ML Systems
Data Pipelines
Model Deployment Strategies
Model Monitoring
CI/CD for ML
TFX, Kubeflow

5.B 🎮 Reinforcement Learning Specialization

University of Alberta / Coursera

Specialization جامع Reinforcement Learning. برای کسانی که می‌خواهند در حوزه RL و Game AI تخصص پیدا کنند.

📋 موضوعات:

Markov Decision Processes
Q-Learning & SARSA
Deep Q Networks (DQN)
Policy Gradient Methods
Actor-Critic
Multi-Agent RL

🎓 برای سطح Research: در این مرحله به جای گواهینامه، باید روی خواندن Paper‌ها، شرکت در کنفرانس‌ها (NeurIPS, ICML, CVPR) و نوشتن مقالات تمرکز کنید. Kaggle Grandmaster شدن هم بسیار ارزشمند است.

🎯 مسیرهای تخصصی بر اساس حوزه کاری

👁️ Computer Vision

ML Specialization (Andrew Ng)
Deep Learning Specialization
TensorFlow Developer Certificate
Computer Vision Specialization
AWS ML Specialty
Kaggle Computer Vision Projects

🔍 Natural Language Processing

ML Specialization (Andrew Ng)
Deep Learning Specialization
NLP Specialization
Generative AI with LLMs
TensorFlow Developer Certificate
HuggingFace Course (رایگان)

🎮 Reinforcement Learning

ML Specialization (Andrew Ng)
Deep Learning Specialization
RL Specialization (Alberta)
OpenAI Spinning Up (رایگان)
Deep RL Bootcamp

⚙️ MLOps Engineering

ML Specialization
MLOps Specialization
AWS ML Specialty
Google Cloud ML Engineer
Kubernetes CKA (برای deployment)
TFX & Kubeflow

📊 Data Science

Google Data Analytics
IBM Data Science
ML Specialization
Applied Data Science Specialization
Azure Data Scientist (DP-100)

🤖 Generative AI (LLMs)

ML & DL Specialization
NLP Specialization
Generative AI with LLMs
LangChain Courses
OpenAI API Courses
Prompt Engineering

1. ریاضیات را جدی بگیرید: جبر خطی، حساب دیفرانسیل و آمار پایه ML هستند. بدون این‌ها نمی‌توانید مفاهیم را درک کنید.

2. پروژه > گواهینامه: Portfolio قوی با پروژه‌های واقعی از 10 گواهینامه مهم‌تر است. حتماً Kaggle و GitHub داشته باشید.

3. Andrew Ng اجباری است: دوره ML و DL او foundation شماست. بدون آن‌ها پیشرفت بسیار سخت است.

4. مقالات بخوانید: در سطوح بالا، باید عادت به خواندن Paper‌های arXiv داشته باشید.

5. Specialization بعد از Foundation: ابتدا ML و DL عمومی را یاد بگیرید، سپس یک حوزه (CV, NLP, RL) را انتخاب کنید.

6. Community مهم است: در Kaggle شرکت کنید، در Medium بنویسید، در LinkedIn فعال باشید.

⏱️ زمان کل: 18-24 ماه برای رسیدن به سطح Job-ready

💰 هزینه: $500-$1500 (اکثر دوره‌های Coursera + چند آزمون)

📌 دوره‌های اجباری: ML Specialization + Deep Learning Specialization (Andrew Ng)