چرا این دوره رو به شما پیشنهاد می‌کنیم؟
این روزها از یادگیری عمیق (Deep Learning) به عنوان یکی از مدرن‌ترین شاخه‌های یادگیری در هوش مصنوعی زیاد می‌شنویم. این شاخه دارای ابزارها و کتابخانه‌های معروف و معتبری هست که تو این دوره آموزشی سراغ یکی از اساسی‌ترین این نیازمندی‌ها، یعنی کتابخانه کراس (Keras) اومدیم تا در قالب این آموزش به بهترین شکل ممکن با پیاده‌سازی تکنیک‌های مختلف یادگیری عمیق اعم از شبکه عصبی چندلایه پرسپترون (MLP)، شبکه عصبی کانولوشنی یا پیچشی (CNN)، شبکه عصبی بازگشتی (RNN)، شبکه خودرمزگذار (AE) و شبکه مولد تخاصمی (GAN) آشنا می‌شید که این کار برای یادگیری هرچه بیشتر و ملموس‌تر شما، با استفاده از مثال‌ها و دیتاست‌های معتبر و واقعی مثل MNIST، CIAFR10 و IRIS انجام می‌شه؛
بعد از پایان این دوره که شامل حدود 17 ساعت آموزش تخصصی هست، شما این توانایی رو پیدا می‌کنید تا تمامی تکنیک‌های عنوان شده رو با استفاده از کتابخانه Keras در محیط پایتون پیاده‌سازی کنید. به طور کلی، این دوره تمامی مهارت‌های اساسی برای یک برنامه‌نویس و توسعه‌دهنده حوزه یادگیری عمیق رو براتون فراهم می‌کنه.
سرفصل‌های دوره
بخش اول: مقدمه و راه‌اندازی
- آشنایی با یادگیری عمیق و تکنیک‌های مختلف آن
- آموزش نصب محیط توسعه آناکوندا (Anaconda)، نصب کتابخانه Keras و دیگر کتابخانه‌های لازم
بخش دوم: شبکه‌های عصبی پرسپترون
- آشنایی با تئوری شبکه عصبی پرسپترون چندلایه، ساخت معماری شبکه، آموزش، تست و ارزیابی مدل و پیاده‌سازی یک مدل طبقه‌بند از شبکه عصبی پرسپترون چندلایه
- آشنایی با رگرسیون و پیاده‌سازی یک مدل رگرسیون شبکه عصبی پرسپترون چندلایه
- بارگذاری دیتاست و طبقه‌بندی داده‌های Iris و تصاویر MNIST با شبکه عصبی پرسپترون چندلایه و آشنایی با Dropout
بخش سوم: شبکه‌های عصبی کانولوشنی
- آشنایی با تئوری شبکه‌های عصبی کانولوشنی و طبقه‌بندی تصاویر CIFAR10 با استفاده از یک مدل شبکه عصبی کانولوشنی
- بارگذاری دیتاستی از تصاویر از هارد کامپیوتر، ترسیم نمودار خطا و دقت آموزش مدل و طبقه‌بندی تصاویر ارقام دست‌نویس با استفاده از یک مدل شبکه عصبی کانولوشنی
- الگوریتم Early Stopping، و طبقه‌بندی تصاویر MNIST با استفاده از یک مدل شبکه عصبی کانولوشنی و دیگر نکات مختص این شبکه
بخش چهارم: شبکه‌های عصبی خودرمزگذار
- ذخیره‌سازی یک مدل پس از آموزش و بارگذاری آن جهت تست، آشنایی با تئوری خودرمزگذار و پیاده‌سازی خودرمزگذار معمولی
- پیاده‌سازی خودرمزگذار کانولوشنی جهت نویززدایی تصاویر
بخش پنجم: شبکه‌های عصبی بازگشتی
- آشنایی با تئوری شبکه‌های عصبی بازگشتی و پیاده‌سازی یک مثال از آن جهت پیش‌بینی سری‌های زمانی
بخش ششم: شبکه‌های عصبی تخاصمی
- آشنایی با تئوری شبکه عصبی تخاصمی و پیاده‌سازی یک مثال از آن
بخش هفتم: نکات و جزئیات مهم
- آشنایی با محیط Google Colab
- آشنایی با محیط Kaggle و تکنیک Cross-Validation و پیاده‌سازی آن
- مقایسه کتابخانه Keras با دیگر کتابخانه‌های یادگیری عمیق و نصب آن روی GPU
اطلاعات بیشتر
این دوره یک آموزش صفر تا صد از کتابخانه Keras را جهت پیاده‌سازی تکنیک‌های مختلف یادگیری عمیق اعم از شبکه عصبی چندلایه پرسپترون، شبکه عصبی کانولوشنی، شبکه عصبی بازگشتی، شبکه عصبی خودرمزگذار و شبکه مولد تخاصمی را ارائه می‌کند. در این دوره هر کدام از تکنیک‌های مطرح شده به صورت خلاصه از لحاظ تئوری تشریح شده و سپس هر کدام با استفاده از دیتاست‌های حقیقی پیاده‌سازی می‌شوند.
تمامی مستندات لازم برای هر قسمت از جمله کدهای هر جلسه، جزوه و فایل‌های مورد نیاز به صورت فایل‌های ضمیمه و به صورت آنی در اختیار شما قرار خواهد گرفت. همچنین برای پیش‌برد دوره کافی است که توزیع Anaconda را روی کامپیوتر خود نصب و از طریق این توزیع، برنامه Spyder را اجرا کنید.
ابزارهای مرتبط
- محیط توسعه Anaconda
پیش‌نیازها
- آشنایی با زبان برنامه نویسی پایتون.
پیش نمایش ویدئو
قسمت اول: آشنایی با یادگیری عمیق و تکنیک‌های مختلف آن ویدئو
یک شروع قدرتمند برای آَشنایی با کلیات حوزه یادگیری عمیق
قسمت دوم: آموزش نصب محیط توسعه آناکوندا (Anaconda)، نصب کتابخانه Keras و دیگر کتابخانه‌های لازم ویدئو
آماده‌سازی همه موارد لازم برای شروع!
پیش نمایش ویدئو
قسمت اول: آشنایی با تئوری شبکه عصبی پرسپترون چندلایه، ساخت معماری شبکه، آموزش، تست و ارزیابی مدل و پیاده‌سازی یک مدل طبقه‌بند از شبکه عصبی پرسپترون چندلایه ویدئو
هرآنچه از یادگیری شبکه‌های عصبی پرسپترون انتظار دارید!
قسمت دوم: آشنایی با رگرسیون و پیاده‌سازی یک مدل رگرسیون شبکه عصبی پرسپترون چندلایه ویدئو
هرآنچه از یادگیری شبکه‌های عصبی پرسپترون انتظار دارید!
قسمت سوم: بارگذاری دیتاست و طبقه‌بندی داده‌های Iris و تصاویر MNIST با شبکه عصبی پرسپترون چندلایه و آشنایی با Dropout ویدئو
هرآنچه از یادگیری شبکه‌های عصبی پرسپترون انتظار دارید!
ویدئو
قسمت اول: آشنایی با تئوری شبکه‌های عصبی کانولوشنی و طبقه‌بندی تصاویر CIFAR10 با استفاده از یک مدل شبکه عصبی کانولوشنی ویدئو
هرآنچه از یادگیری شبکه‌های عصبی کانوولوشنی انتظار دارید!
قسمت دوم: بارگذاری دیتاستی از تصاویر از هارد کامپیوتر، ترسیم نمودار خطا و دقت آموزش مدل و طبقه‌بندی تصاویر ارقام دست‌نویس با استفاده از یک مدل شبکه عصبی کانولوشنی ویدئو
هرآنچه از یادگیری شبکه‌های عصبی کانوولوشنی انتظار دارید!
قسمت سوم: الگوریتم Early Stopping، و طبقه‌بندی تصاویر MNIST با استفاده از یک مدل شبکه عصبی کانولوشنی و دیگر نکات مختص این شبکه ویدئو
هرآنچه از یادگیری شبکه‌های عصبی کانوولوشنی انتظار دارید!
پیش نمایش ویدئو
قسمت اول: ذخیره‌سازی یک مدل پس از آموزش و بارگذاری آن جهت تست، آشنایی با تئوری خودرمزگذار و پیاده‌سازی خودرمزگذار معمولی ویدئو
هرآنچه از یادگیری شبکه‌های عصبی خودرمزگذار انتظار دارید!
قسمت دوم: پیاده‌سازی خودرمزگذار کانولوشنی جهت نویززدایی تصاویر ویدئو
هرآنچه از یادگیری شبکه‌های عصبی خودرمزگذار انتظار دارید!
ویدئو
قسمت اول: آشنایی با تئوری شبکه‌های عصبی بازگشتی و پیاده‌سازی یک مثال از آن جهت پیش‌بینی سری‌های زمانی ویدئو
هرآنچه از یادگیری شبکه‌های عصبی بازگشتی انتظار دارید!
قسمت دوم: قسمت اول: آشنایی با تئوری شبکه‌های عصبی بازگشتی و پیاده‌سازی یک مثال از آن جهت پیش‌بینی سری‌های زمانی ویدئو
هرآنچه از یادگیری شبکه‌های عصبی بازگشتی انتظار دارید!
ویدئو
قسمت اول: آشنایی با تئوری شبکه عصبی تخاصمی و پیاده‌سازی یک مثال از آن ویدئو
هرآنچه از یادگیری شبکه‌های عصبی تخاصمی انتظار دارید!
قسمت دوم: آشنایی با تئوری شبکه عصبی تخاصمی و پیاده‌سازی یک مثال از آن ویدئو
هرآنچه از یادگیری شبکه‌های عصبی تخاصمی انتظار دارید!
ویدئو
قسمت اول: آشنایی با محیط Google Colab ویدئو
یک بستر رایگان تحت وب جهت اجرای کدها
قسمت دوم: آشنایی با محیط Kaggle و تکنیک Cross-Validation و پیاده‌سازی آن ویدئو
از مهم‌ترین مراجع علوم داده دنیا با طیف وسیعی از ابزارها، دیتاست‌ها و ...
قسمت سوم: مقایسه کتابخانه Keras با دیگر کتابخانه‌های یادگیری عمیق و نصب آن روی GPU ویدئو
بررسی مزایا، معایب و فرصت‌ها
فایل های ضمیمه ویدئو
شامل مستندات کد و ...
درخواست مشاوره
برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.
درخواست مشاورهدوره های مرتبط
دوره آموزشی ریاضیات مورد نیاز برای علم داده
چرا این دوره رو به شما پیشنهاد می‌کنیم؟ بدون شک فهم بنیادی هر علمی و فلسفه آن می تونه به…
دوره آموزشی یادگیری زبان برنامه نویسی پایتون در Kaggle
این دوره کاملا کاربردی می‌باشد؛
دوره آموزشی پردازش تصاویر دیجیتال با زبان برنامه نویسی پایتون
چرا این دوره برای شما مفیده؟ دوره آموزش پردازش تصاویر دیجیتال در پایتون، قراره مقدمات لازم برای تبدیل شدن به…
chat_bubble_outlineنظرات
قوانین ثبت دیدگاه
- دیدگاه‌های فینگلیش تایید نخواهند شد.
- دیدگاه‌های نامرتبط به مطلب تایید نخواهد شد.
- از درج دیدگاه‌های تکراری پرهیز نمایید.
- امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می‌باشد.
800,000 تومان
رضا اکبری موحد – دانشگاه گلاسکو – اسکاتلند
دانشجوی دکتری دانشگاه گلاسکو کشور اسکاتلندتبلیغات
کیهان
سلام در مورد شبکه های LSTM در این دوره توضیح میدن یا خیر؟
گیلادمیا(مدیریت)
سلام. بله، یک مثال از سری زمانی از با استفاده از شبکه‌های LSTM در دوره حل شده
رضا
سلام اگر امکانش هست یک دمو از قسمت کدنویسی و یک قسمت از تئوری ازاد کنید تا کیفیت اموزش رو برای خرید بتونم بسنجم و بعد خرید کنم
گیلادمیا(مدیریت)
سلام، داخل هر بخش روی قسمت پیش نمایش اگه کلیک کنید می تونید قسمت هایی از ویدیو را مشاهنده کنید
علی
سلام