×
ribbon

آموزش یادگیری نظارت‌شده با شبکه‌های عصبی: آکادمی هوش مصنوعی لینکدین - AI-100: 2

مدرس:LinkedIn

Daniel HewlettAnanth Sankar

دوره "LinkedIn AI Academy AI-100: 2 Supervised Learning with Neural Networks" به بررسی یکی از مهم ترین و... بیشتر
زیرنویس
بدون امتیاز
126دانشجو
1:10ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

تأثیر شبکه‌های عصبی و یادگیری عمیق در هوش مصنوعی

بکه‌های عصبی طبقه‌بندی خطی ساده، شبکه‌های عصبی کانولوشنال، و یادگیری توالی برای استفاده در مسائل گوناگون

بررسی شبکه‌های عصبی نموداری و چگونگی به‌کارگیری آن‌ها در پیش‌بینی و تحلیل گراف‌های شبکه‌های اجتماعی

توانایی به‌کارگیری معماری‌های شبکه عصبی در پروژه‌های عملی و بهبود مهارت‌های برنامه‌نویسی و مدل‌سازی در زمینه هوش مصنوعی

این دوره شامل:

1 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

5 فصل16 جلسه1:10 ساعت ویدیو
شبکه های عصبی عمیق
  نورون: عنصر اساسی شبکه عصبی
05:39
  شبکه های عصبی و طبقه بندی غیرخطی قابل تفکیک
04:35
  شبکه های عصبی عمیق چند کلاسه
03:14
شبکه های کانولوشن
  فیلتر کانولوشن چیست؟
04:08
  شبکه های عصبی کانولوشنال عمیق
03:40
  انتقال یادگیری
03:56
دسته بندی کننده های توالی
  مدل سازی توالی با مدل های زبان
03:41
   مدل‌های زبان شبکه عصبی تکراری
03:53
  شبکه های ترجمه ماشینی و رمزگذار-رمزگشا
05:45
  شبکه های عصبی مبتنی بر توجه
06:12
  مدل ترانسفورماتور
04:10
  مدل های زبانی از پیش آموزش دیده
05:50
گراف شبکه های عصبی
  انگیزه و معرفی
04:25
  تعبیه گره ها
05:37
  گراف شبکه های عصبی
05:17
نتیجه گیری
  ادامه مسیر یادگیری Al-100
00:53

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

توضیحات دوره

دوره "LinkedIn AI Academy AI-100: 2 Supervised Learning with Neural Networks" به بررسی یکی از مهم‌ترین و کمتر شناخته‌شده‌ترین زمینه‌های فناوری، یعنی هوش مصنوعی، می‌پردازد. هوش مصنوعی توانسته است طرز فکر ما درباره تجارت و بسیاری از حوزه‌های دیگر را تغییر دهد، اما سرعت تغییرات آن به‌قدری بالا است که پیگیری آن دشوار شده است. در این دوره، مهندسان برجسته لینکدین، Ananth Sankar و Daniel Hewlett، به بررسی چگونگی تحول شبکه‌های عصبی و یادگیری عمیق در دهه گذشته می‌پردازند و نشان می‌دهند که چگونه این تکنولوژی‌ها امکان پیاده‌سازی برنامه‌هایی که پیش‌تر غیرممکن به نظر می‌رسیدند را فراهم کرده‌اند.

در طول این دوره، شرکت‌کنندگان با برخی از محبوب‌ترین معماری‌های شبکه عصبی آشنا می‌شوند. Ananth و Daniel مباحثی مانند شبکه‌های عصبی طبقه‌بندی خطی ساده، شبکه‌های عصبی کانولوشنال و یادگیری توالی را مورد بحث قرار می‌دهند.

علاوه بر این، مفاهیم پیشرفته‌تری مانند شبکه‌های عصبی نموداری و کاربرد آن‌ها در پیش‌بینی گراف‌های شبکه‌های اجتماعی نیز پوشش داده می‌شود. این دوره به افراد علاقه‌مند به یادگیری اصول و کاربردهای پیشرفته شبکه‌های عصبی کمک می‌کند تا درک بهتری از این حوزه داشته باشند و مهارت‌های خود را تقویت کنند.
 

دیدگاه کاربران

هنوز امتیاز و دیدگاهی برای این دوره ثبت نشده است

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
Daniel Hewlett
1دوره
126دانشجو

Daniel Hewlett یک مهندس ارشد هوش مصنوعی در لینکدین است. او در حوزه‌های مختلفی از جمله درک و تولید زبان طبیعی، جستجو، توصیه‌ها، پاسخگویی به سوالات و نظارت بر محتوا فعالیت می‌کند. قبل از پیوستن به لینکدین در سال ۲۰۱۸، او بیش از شش سال در گوگل به عنوان مهندس نرم‌افزار در زمینه هوش مصنوعی کار می‌کرد. دنیل دکترای علوم کامپیوتر خود را از دانشگاه آریزونا دریافت کرده است

1دوره
126دانشجو
Ananth Sankar  یک مهندس ارشد در لینکدین است. او یک رهبر فناوری با تجربه در پردازش گفتار و متن، یادگیری ماشین، شبکه‌های عصبی، مدیریت توان نمایش، شبکه‌های اجتماعی، و تبلیغات اینترنتی است. او پیش از این در آزمایشگاه‌های صنعتی معتبر مانند AT&T Bell Labs، SRI International، سیسکو، مایکروسافت و گوگل فعالیت کرده است. همچنین در دانشگاه‌های استنفورد، UCLA و UCSC تدریس کرده است. انات مدرک دکترای خود را در مهندسی برق و کامپیوتر از دانشگاه راتگرز دریافت کرده است.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.