شبکه عصبی کانولوشنال یا پیچشی (CNN) نوعی شبکه عصبی مصنوعی است که برای شناسایی و پردازش تصویر استفاده میشود. این شبکهها اختصاصاً برای پردازش دادههای پیکسلی طراحی شدهاند.
CNNها پردازش تصویر و هوش مصنوعی قدرتمندی هستند که با استفاده از یادگیری عمیق (Deep Learning) کارهای تولیدی و توصیفی را انجام میدهند. این شبکهها اغلب از دید ماشینی که شامل تشخیص تصویر و ویدئو به همراه سیستمهای توصیهگر و پردازش زبان طبیعی (NLP) میشود، استفاده میکنند.
یک شبکه عصبی سیستمی از سختافزار و یا نرمافزار است که از عملکرد سلولهای عصبی در مغز انسان الگو میگیرد. شبکههای عصبی سنتی برای پردازش تصویر ایدهآل نیستند. اما در شبکه عصبی پیچشی لایههای نورون به شکلی تنظیم شده است که برای جلوگیری از مشکل در پردازش تصویر، کل میدان بینایی را پوشش میدهند.
لایههای شبکه عصبی کانولوشنال یا شبکه عصبی پیچشی، از یک لایه ورودی، یک لایه خروجی و یک لایه پنهان تشکیل شده است که شامل چندین لایه کانولوشن میشود. حذف محدودیتها و افزایش کارایی منجر به تشکیل سیستمی میشود که بسیار از حالت عادی اثربخشتر است و همچنین برای پردازش تصویر و زبان طبیعی قدرت بیشتری خواهد داشت.
آموزش بهبود شبکه عصبی عمیق، چهارمین دوره از مجموعه تخصص یادگیری عمیق اندرو میباشد. در پایان دوره آموزش شبکه عصبی کانولوشنال شما قادر خواهید بود شبکه عصبی مخصوص خود را بسازید. در این دوره حتی ساخت مدرنترین انواع شبکه عصبی پیچشی به شما آموزش داده میشود. در پایان این دوره همچنین میتوانید از شبکه عصبی پیچشی موجود، برای پردازش تصویر و تشخیص افراد یا اشیا در آن، کار با عکس، فیلم و انیمیشن و دهها کاربرد جذاب دیگر استفاده کنید. به طور کلی میتوان گفت در پایان این دوره، مهارتهای زیر در شما تقویت شده یا به مهارتهای شما افزوده میشوند:
اندرو ان جی استاد دانشکده علوم کامپیوتر دانشگاه استنفورد و سرپرست آزمایشگاه هوش مصنوعی استنفورد است. وی هم چنین بنیانگذار کورسرا (coursera.org) است و بر اساس گزارش تکنولوژی دانشگاه ام ای تی یکی از 35 مخترع برتر جوان دنیا هست.
او دکتری خود را از دانشگاه کالیفرنیا برکلی گرفته و زمینههای پژوهش او هوش مصنوعی و علوم رباتیک است.
این آموزش چهارمین دوره از مجموعه تخصص یادگیری عمیق اندرو بوده و برای بهرهبردن از آموزشهای این دوره بهتر است یک پیشزمینه ریاضیات خوب داشته باشید. چراکه کار با شبکههای عصبی تا حدودی وارد حوزه مباحث ریاضیات خواهد شد. از طرف دیگر برای شروع آموزش یادگیری عمیق (Deep Learning) بهتر است ابتدا به مفاهیم یادگیری ماشین (Machine Learning) مسلط باشید. تسلط به زبان برنامهنویسی پایتون، جبر خطی و حسابان دیفرانسیل هم از مواردی هستند که به شما کمک خواهند کرد دوره آموزش شبکه عصبی پیچشی را با بهترین نتیجه و بیشترین اثربخشی به پایان برسانید.
در صورت قبولی در دوره، گواهی نامه رسمی پایان دوره توسط مکتبخونه به اسم شما صادر شده و در اختیار شما قرار می گیرد.
خدمات منتورینگ به معنای برخورداری دانشجو از راهنما یا پشتیبان علمی در طول گذراندن دوره میباشد. این خدمات شامل پاسخگویی به سوالات آموزشی(در قالب تیکتینگ)، تصحیح آزمون یا پروژه های دوره و ارائه باز خورد موثر به دانشجو میباشد.
این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.
با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.
شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.
در صورت قبولی در دوره، شما میتوانید با وارد کردن اطلاعات آن در بخش دورههای آموزشی رزومهساز «جاب ویژن»، تایید مهارت خود را در قالب اضافه شدن «مدال مهارت» به روزمه آنلاین خود دریافت نمایید. این مدال علاوه بر ایجاد تمایز در نمایش رزومه شما، باعث بالاتر قرار گرفتن آن در لیست انبوه رزومههای ارسالی به کارفرما شده و بدین ترتیب شانس شما را برای استخدام در سازمانهای موفق و پر متقاضی افزایش میدهد.
این دوره دارای زیرنویس اختصاصی است.
این دوره آموزشی از ابتدا به تعریف و تدریس مبانی شبکه عصبی پیچشی میپردازد، سپس مدلهای عمیق کانولوشنال را بررسی میکند. کشف اشیا در تصاویر و تشخیص چهره از کاربردهای شبکه عصبی کانولوشنال است که در این دوره به آن پرداخته میشود.