×
ribbon

آموزش یادگیری عمیق

دوره آموزش یادگیری عمیق با هدف آشنایی کامل هنرجو با مفاهیم پایه تا مباحث پیشرفته طراحی شده است. در این دوره ابتدا مروری بر اصول شبکه‌های عصبی و مدل‌های پرسپترون و جداسازی خطی ارائه می‌شود ... بیشتر

جدید
گواهی‌نامه
5 (9 امتیاز)
61دانشجو
متوسط

امیرعلی ذیجودی

به‌روزرسانی: ۱۴۰۵/۰۲/۲۷

محتوای دوره
پیش‌نیاز‌ها
درباره دوره
نظرات کاربران
درباره استاد

آنچه در این دوره می‌آموزید

آشنایی با شبکه‌های عصبی، پرسپترون و پرسپترون چندلایه(MLP)

پیاده‌سازی شبکه‌های چندلایه، آشنایی با توابع فعال‌ساز و زیان، روش های جلوگیری از بیش برازش و روش‌های بهینه‌سازی

آشنایی با معماری RNN ،CNN و LSTM برای پردازش تصویر، توالی و متن

آشنایی با مباحث پیشرفته GAN، Autoencoders، Attention، BERT و یادگیری انتقالی

محتوای دوره

3 فصل10 جلسه7 ساعت ویدیو
مقدمه-شبکه عصبی
  شبکه عصبی و مدل پرسپترون
مشاهده
"58:29
  توابع فعالساز و زیان
"35:31
  بهینه سازی و تنظیم مدل
"64:33
پردازش تصویر
پردازش توالی‌ها و معماری‌های پیشرفته

پیش‌نیاز‌ها

آشنایی مقدماتی با مباحث یادگیری ماشین باعث درک بهتر مطالب این دوره می‌شود.

گرچه مطالب مورد نیاز از یادگیری ماشین در طول دوره مرور می‌شود.

درباره دوره

دوره آموزش یادگیری عمیق با هدف آشنایی کامل هنرجو با مفاهیم پایه تا مباحث پیشرفته طراحی شده است. در این دوره ابتدا مروری بر اصول شبکه‌های عصبی و مدل‌های پرسپترون و جداسازی خطی ارائه می‌شود و سپس به سراغ شبکه‌های عصبی چندلایه، انواع توابع فعال‌ساز و توابع زیان، و روش‌های بهینه‌سازی می‌رویم. در ادامه، معماری‌های مهمی مانند شبکه‌های عصبی کانولوشنی (CNN)، شبکه‌های عصبی بازگشتی و مدل‌های LSTM برای پردازش توالی و متن آموزش داده می‌شود.

همچنین مباحث پیشرفته‌تری مانند شبکه‌های مولد تخاصمی (GAN)، یادگیری انتقالی، خودرمزگذارها (Autoencoders) و معماری‌های مبتنی بر Attention و مدل BERT به‌صورت کاربردی بررسی می‌شوند. این دوره دانشجویان را برای درک عمیق، پیاده‌سازی و به‌کارگیری مدل‌های یادگیری عمیق در مسائل واقعی آماده می‌کند.

اطلاعات بیشتر

گواهی‌نامه

آموزش یادگیری عمیق

پس از گذراندن محتوای دوره به صورت آنلاین (بدون دانلود) در سایت مکتب‌خونه، در صورتی‌ که حد نصاب قبولی در دوره را کسب و تمرین ها و پروژه های الزامی را ارسال کنید، گواهی‌نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

قابل اشتراک‌گذاری در

linkdin

درباره استاد

امیرعلی ذیجودی
2دوره
85دانشجو

امیرعلی ذیجودی دانشجوی دکتری مهندسی صنایع در دانشگاه تربیت مدرس است. او دارای کارشناسی ارشد مهندسی صنایع، گرایش بهینه‌سازی سیستم‌ها از دانشگاه علم و صنعت و کارشناسی مهندسی صنایع از دانشگاه خوارزمی تهران می‌باشد.

از سوابق و زمینه‌های فعالیت تخصصی ذیجودی می‌توان به موارد زیر اشاره کرد:

- تدریس نرم‌افزار GAMS در دانشگاه خوارزمی
- تدریس دوره‌های پایتون، بهینه‌سازی با پایتون و یادگیری عمیق

- علاقمندی به مباحث برنامه ریزی غیر قطعی و تدریس الگوریتم ال -شکل
- علاقه‌مندی به حوزه مدیریت زنجیره تامین و لجستیک

ذیجودی با تکیه بر دانش آکادمیک و تسلط بر ابزارهای بهینه‌سازی و برنامه‌نویسی، دوره‌های خود را برگزار می‌کند.

اطلاعات بیشتر