امتیاز و نظرات کاربران
4.7
از مجموع 3 امتیاز
2نظرآموزش پیشبینی سریهای زمانی با مدل یادگیری عمیق LSTM در MATLAB
امروزه علوم مرتبط با هوش مصنوعی و یادگیری ماشین کاربرد وسیعی در حوزه مهندسی، پزشکی و اقتصاد پیدا... بیشتر
گواهینامه
4.7 (3 امتیاز)
952دانشجو
مقدماتی
ایمان تاهباززاده مقدم
آنچه در این دوره میآموزید
یادگیری پیاده سازی مدلهای پیشبینی سری زمانی
یادگیری پیاده سازی شبکه عصبی عمیق LSTM
اعتبارسنجی نتایج پیشبینی
پیادهسازی تاخیر در سری زمانی
محتوای دوره
1 فصل5 جلسه1:37 ساعت ویدیو
پیشبینی سریهای زمانی با مدل یادگیری عمیق LSTM در MATLAB
پیشبینی سری زمانی با استفاده از شبکه عصبی عمیق
"18:43
فراخوانی پایگاه داده و جداسازی دادههای آموزش
"17:59
نرمال کردن دادهها و تعریف معماری شبکه عصبی
"20:07
آموزش شبکه عصبی و استخراج نتایج پیشبینی
"17:40
اعتبارسنجی نتایج پیشبینی، ارائه راهکارهای بهبود مدل و پیادهسازی تاخیر در سری زمانی
"22:47
کدهای برنامه پیشبینی سری زمانی
"00:03
پیشبینی سری زمانی تابع پریودیک
"00:17
پیشنیازها
در تمام مراحل این دوره سعی شده است تا مباحث با زبانی روان و ساده توضیح داده شود تا مخاطبان محترم بتوانند به سادگی از آموزش ارائه شده استفاده کنند، اما برای یادگیری و استفاده حداکثری از آموزشهای ارائه شده لازم است تا مخاطب با نرم افزار متلب MATLAB آشنایی داشته باشد.
توضیحات دوره
امروزه علوم مرتبط با هوش مصنوعی و یادگیری ماشین کاربرد وسیعی در حوزه مهندسی، پزشکی و اقتصاد پیدا کرده است. در سالهای اخیر، الگوریتمهای یادگیری ماشین و به طور خاص یادگیری عمیق رهیافتهای جدیدی برای حل مسائل پیشبینی سری زمانی، رگرسیون، تخمین تابع و طبقهبندی داده ارائه کردهاند.
هدف از توسعه یک مدل پیشبینی سری زمانی، پیشبینی کردن مقادیر آینده بر اساس دادههای تاریخی زمان است. نمونهای از کاربردهای این مدل شامل پیشبینی مقادیر حالتهای یک سیستم در زمان آینده با استفاده از تاریخچه سری زمانی آن، پیشبینی آبوهوا و پیشبینی قیمت سهام است.
در این آموزش نحوه توسعه شبکه عصبی عمیق از نوع LSTM (Long-Short Term Memory) برای حل مسئله پیشبینی سری زمانی با استفاده از یک پایگاه داده واقعی ارائه میشود. برای این منظور نحوه بارگذاری پایگاه داده، روند تقسیمبندی دادهها به انواع آموزش و تست، نحوه مدل کردن تاخیر در فرایند پیشبینی، روند نرمال کردن دادهها، پیادهسازی و آموزش مدل پیشبین LSTM و در نهایت ارزیابی نتایج و نحوه اصلاح مدل تشریح میشود.
اطلاعات بیشتر
گواهینامه
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
دورههای پیشنهادی مشابه
درباره استاد
ایمان تاهباززاده مقدم
2دوره
4,582دانشجو
ایمان تاهباززاده مقدم فارغالتحصیل مقطع دکتری در رشته مهندسی مکانیک گرایش دینامیک و کنترل از دانشگاه تهران است. ایشان در حال حاضر در واحد تحقیق و توسعه شرکت خودروسازی Bugatti مشغول به فعالیت است. او برنامهنویسی با زبانهای MATLAB و ++C را از سال 1387 شروع کرد و از علوم برنامهنویسی در پروژههای متعدد صنعتی و توسعه نرمافزار از جمله شبیهسازی سیستمها، محاسبات نرم و فینتک بهره گرفته است. وی همچنین سابقه کار در شرکتهای مرکز خودرو برقی مپنا، ایران خودرو، فناور شبیهساز نصیر و سامانههای هوشمند درفک را دارد. ایشان بیش از یک دهه سابقه تدریس دورههای مقدماتی و پیشرفته نرمافزارهای C++/Mex Simulink MATLAB و علوم هوش مصنوعی را در مجتمع فنی تهران و دانشگاههای معتبر کشور دارد و از این حیث جزو مجربترین مدرسین این حوزه به شمار میروند. وی عاشق یادگیری است و در عین حال برای تکثیر دانش خود با دیگران بسیار مصمم است.
اطلاعات بیشتر