آموزش 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 کرده است. در سال‌های اخیر، الگوریتم‌های یادگیری ماشین و به طور خاص یادگیری عمیق رهیافت‌های جدیدی برای ... ادامه

برگزارکننده:  مکتب‌خونه  مکتب‌خونه
4.7 (3 رای)
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذارندن دوره:  1:37 ساعت
مجموع محتوای آموزشی:  1:37 ساعت ویدئو
 (قابل دانلود می‌باشد)

آنچه در این دوره می‌آموزیم:

 یادگیری پیاده سازی مدل‌های پیش‌بینی سری زمانی

 یادگیری پیاده سازی شبکه عصبی عمیق LSTM

  اعتبارسنجی نتایج پیش‌بینی

 پیاده‌سازی تاخیر در سری زمانی

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.

سرفصل‌های دوره آموزش پیش‌بینی سری‌های زمانی با مدل یادگیری عمیق LSTM در MATLAB

پیش‌بینی سری‌های زمانی با مدل یادگیری عمیق LSTM در MATLAB

 در جلسه اول مقدمه‌ای بر سری‌های زمانی و روش‌های پیش پردازش داده ارائه می‌شود.

 در جلسه دوم به نحوه بارگذاری پایگاه داده و روند تقسیم‌بندی داده‌ها به انواع آموزش و تست پرداخته می‌شود.

 در جلسه سوم نحوه نرمال کردن داده‌ها و تعریف معماری شبکه عصبی LSTM تشریح می‌شود.

 در جلسه چهارم نحوه آموزش شبکه LSTM ارائه می‌شود.

 در جلسه پنجم به نحوه اعتبارسنجی نتایج، ارائه راهکار برای بهبود عملکرد مدل پیشین و نحوه پیاده‌سازی تاخیر در سری زمانی پرداخته خواهد شد.

  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  

درباره 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.

درباره استاد

maktabkhooneh-teacher ایمان تاهباززاده مقدم

ایمان تاهباززاده مقدم فارغ‌التحصیل مقطع دکتری، رشته مهندسی مکانیک در گرایش دینامیک و کنترل از دانشگاه تهران است. ایشان برنامه‌نویسی با زبان‌های MATLAB و ++C را از سال 1387 شروع کرد. او از علوم برنامه‌نویسی در پروژه‌های متعدد صنعتی و توسعه نرم‌افزار از جمله شبیه‌سازی سیستم‌ها، محاسبات نرم و فین‌تک بهره گرفته است. وی سابقه کار در شرکت‌های فناور شبیه‌ساز نصیر، سامانه‌های هوشمند درفک، ایران‌خودرو و مپنا را دارد. ایشان دارای 12 سال سابقه تدریس دوره‌های مقدماتی و پیشرفته نرم‌افزارهای MATLAB، Simulink، C++/Mex و علوم هوش مصنوعی در مجتمع فنی تهران و دانشگاه‌های معتبر کشور است 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.

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.
اشکان توپ شکن 1402-06-13
خیلی خوب و روون و کاربردی توضیح دادن و به نظرم بسیار آموزش ارزشمندی بود
جواد محمدپور 1403-01-02
فایل فشرده شده کدها مشکل دارد و قابل مشاهده نیست
مکتب‌خونه
همراه عزیز؛ از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم. لطفا در صورت امکان با ارسال جزییات بیشتر ما را در ارتقا سطح کیفی خدمات یاری رسانید. info@maktabkhooneh.org

دوره‌های پیشنهادی

poster
  
برگزار کننده:  مکتب‌خونه
  
زمان مورد نیاز برای گذارندن دوره:  1:37 ساعت
مجموع محتوای آموزشی:  1:37 ساعت ویدئو
 (قابل دانلود می‌باشد)