آموزش رایگان مقدمات هوش مصنوعی و یادگیری عمیق

poster
پیش‌نمایش دوره

در این درس مقدماتی که برای دانشجویان کارشناسی ارائه شده است و از مقدمات یادگیری ماشین و پردازش تصویر شروع کرده و سپس به شبکه‌های عصبی و یادگیری عمیق پرداخته خواهد شد. هدف این دوره ... ادامه

5 (2 رای)
سطح: متوسط
 رایگان
  
زمان مورد نیاز برای گذراندن دوره:  13 جلسه
مجموع محتوای آموزشی:  28 ساعت ویدئو
 (قابل دانلود می‌باشد)

آنچه در این دوره می‌آموزیم:

  آشنایی با اصول یادگیری ماشین: ارائه اطلاعات اولیه و اصول اساسی در حوزه یادگیری ماشین به دانشجویان با هدف درک اصول و الگوریتم‌های پایه این حوزه

  آشنایی با پردازش تصویر: معرفی اصول پردازش تصویر و کاربردهای آن در حوزه‌های مختلف با استفاده از ابزارهایی نظیر openCV

 مطالعه و کار با شبکه‌های عصبی: آشنایی با مفاهیم ابتدایی شبکه‌های عصبی و معرفی به یادگیری عمیق به منظور حل مسائل پیچیده

 توسعه مهارت‌های عملی: ارتقاء مهارت‌های عملی دانشجویان از طریق پروژه‌های عملی و کاربردی با استفاده از ابزارهایی چون TensorFlow و sklearn

 آموزش استفاده از ابزارهای پرکاربرد: معرفی و آموزش استفاده از ابزارهایی که در حوزه یادگیری ماشین و پردازش تصویر معروف و پرکاربرد هستند، از جمله TensorFlow و openCV

 انجام پروژه‌های عملی: ایجاد فرصت برای دانشجویان برای اعمال عملی اطلاعات آموخته شده در قالب پروژه‌های واقعی و متنوع

 آشنایی با مفاهیم پیشرفته یادگیری عمیق: مطالعه و بررسی مفاهیم پیشرفته در حوزه یادگیری عمیق به عنوان گام بعدی در توسعه دانش دانشجویان

 آمادگی برای مسائل پیچیده تر: ارتقاء توانایی دانشجویان برای حل مسائل پیچیده‌تر و پیاده‌سازی راه‌حل‌های موثر تر در زمینه‌های مرتبط با هوش مصنوعی و یادگیری عمیق

پیش‌نیاز‌ها

برای استفاده بهتر از این دوره بهتر است به یک زبان برنامه نویسی و کتابخانه Numpy تسلط داشته باشید که در مورد زبان برنامه نویسی پیشنهاد ما پایتون می‌باشد.

سرفصل‌های دوره آموزش رایگان مقدمات هوش مصنوعی و یادگیری عمیق

درباره دوره

در این درس مقدماتی که برای دانشجویان کارشناسی ارائه شده است و از مقدمات یادگیری ماشین و پردازش تصویر شروع کرده و سپس به شبکه‌های عصبی و یادگیری عمیق پرداخته خواهد شد.

هدف این دوره این است که به دانشجویان مهارت‌های عملی را در کنار دانش تئوری انتقال دهد. ابزارهایی نظیر openCV، sklearn و TensorFlow نیز به عنوان ابزارهای کمکی معرفی و آموزش داده خواهد شد و دانشجویان در طول دوره، پروژه‌های مختلفی را اجرا و انجام خواهند داد.

درباره استاد

maktabkhooneh-teacher علیرضا اخوان‌پور

علیرضا اخوان پور، مدیر فنی مجموعه دانش بنیان شناسا، از سال ۹۴ مدرس دانشگاه شهید رجایی است که از سال ۹۵ تدریس تخصصی هوش مصنوعی و یادگیری عمیق را شروع کرده است.

وی به عنوان مدرس هوش مصنوعی و یادگیری عمیق با ۵ سال سابقه تدریس در موسسه‌ها و دانشگاه‌های برتر نظیر سابقه ارائه کارگاه‌های آموزشی در دانشگاه امیرکبیر، دانشگاه شریف، یازدهمین کنفرانس ملی و اولین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران، صندوق نوآوری شکوفایی، رویداد فیس کاپ، دوره های تخصصی معاونت علمی و فناوری ریاست جمهوری و سابقه تدریس در جهاد دانشگاه شریف و دوره‌های آزاد دانشگاه تهران را در رزومه‌ی خود دارد.

تدریس دوره‌های مختلف هوش‌مصنوعی در دیجی‌نکس (دیجی‌کالا)، مجموعه دانش بنیان پارت (بانک رسالت)، دوره علم داده جهاد دانشگاهی شریف، دوره های تخصصی کارمندان در بانک قوامین و سپه، دوره های جامع ۳۵۰ ساعته دانشگاه تهران و ... از دیگر موارد سابقه تدریسی ایشان است.

ایشان همچنین مدیر سایت class.vision هستند که یک سایت تخصصی در حوزه‌ی هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.

 

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

سوالات پرتکرار

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

سوالات پرتکرار

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.
poster
پیش‌نمایش دوره
  
زمان مورد نیاز برای گذراندن دوره:  13 جلسه
مجموع محتوای آموزشی:  28 ساعت ویدئو
 (قابل دانلود می‌باشد)