در تمام مراحل این دوره برای راحتی شرکتکنندگان سعی شده است تا تمامی مباحث به زبانی ساده بیان شوند؛ اما برای درک کامل مباحث مطرح شده لازم است تا مخاطب با موارد زیر آشنایی داشته باشد:
دوره آموزش یادگیری عمیق با تنسورفلو و کراس به آموزش کاربردی یادگیری عمیق و تمام مباحث مربوط به کتابخانههای تنسورفلو و کراس میپردازد. به طور مشخصتر موضوعاتی که در این دوره دنبال میشود شامل موارد زیر است:
در یک تعریف کلی، یادگیری عمیق یکی از شاخههای یادگیری ماشین و هوش مصنوعی است که در آن سعی میشود از روش کارکرد مغز برای یادگیری موضوعات استفاده شود.
در یادگیری عمیق به کامپیوترها آموزش داده میشود که برای حل مسائل از روشهایی استفاده کنند که مغز انسان برای حل مسائل از آن روشها استفاده میکند. به طور کلی یادگیری عمیق سعی میکند به شبیهسازی مغز انسان بپردازد.
«تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است که کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلیترین کاربردهای تنسورفلو در پیادهسازی شبکههای عصبی است. به همین دلیل است که این کتابخانه، پراستفادهترین کتابخانه در یادگیری عمیق است.
کراس یک کتابخانه در تنسورفلو است که با هدف توسعه شبکههای عصبی ایجاد شده است.
امروزه اهمیت یادگیری عمیق در بسیاری از تکنولوژیها بر کسی پوشیده نیست؛ تا جایی که در دنیای امروز یادگیری عمیق به مغز محاسباتی در بسیاری از زمینههای علم و تکنولوژی تبدیل شده است. به همین دلیل است که در دنیایی از صنایع مختلف تا تکنولوژیهای مختلف، تقریبا هیچ موردی را نمیتوان پیدا کرد که در آن ردپایی از یادگیری عمیق دیده نشود. به این ترتیب، اصلیترین هدف این دوره آموزش کاربردی یادگیری عمیق و شناخت ابعاد گوناگون آن است.
در این دوره شما با این ابزار بسیار مهم به صورت عملیاتی آشنا میشوید و جزئیات لازم برای پیادهسازی بهینه این الگوریتمها را در عمل میآموزید. در ادامه راه میتوانید از این ابزار در هر زمینهای که با داده روبهرو میشوید و به دنبال پیدا کردن الگوهای آن هستید، استفاده کنید.
محتوای این دوره به نحوی انتخاب شده که مناسب افرادی باشد که دوره یادگیری ماشین را گذراندهاند و با مفاهیم ابتدایی هوش مصنوعی آشنایی دارند و به دنبال ادامه مسیر یادگیری/شغلی در این زمینه هستند. با توجه به اینکه این دوره ترکیب آموزش مفاهیم تئوری و عملی در کنار یکدیگر است، دانشجویان این دوره میتوانند مسائل دنیای واقعی مثل پردازش تصویر، پردازش زبان طبیعی، پیشبینیهای دنبالههای عددی و ترافیک و غیره را حل کنند. بنابراین این دوره مناسب کسانی خواهند بود که علاقهمند به مباحث پیشرفته هوش مصنوعی و چالشهای لبهی تکنولوژی هستند.
با توجه به محتوایی که در این دوره به شرکتکنندگان آموزش داده میشود، در انتهای دوره مخاطبان محترم با موارد زیر آشنایی خواهند داشت:
در این دوره مدرس پس از نشان دادن تصویر کلی از مفهوم یادگیری عمیق، وارد جزئیات پیادهسازی میشود. در این پیادهسازی هدف نوشتن کدهای طولانی و پیچیده نیست، بلکه مدرس با جزئیات تمام به بررسی و بحث درباره تمام خطهای این پیادهسازی میپردازد. مدرس برای مباحث مختلف این دوره، الگوهای پیادهسازی کد را به شما میآموزد و این یعنی شما در ادامه مسیر کار با شبکههای عصبی نیز میتوانید این الگوها را در یادگیری مباحث تکنیکی کدنویسی استفاده کنید. مدرس سعی میکند مباحث را با سادهترین زبان ممکن بیان کند اما در این حال شما را با پیچیدگیهای کار با شبکههای عصبی نیز آشنا کند. در این دوره هر قدمی که جلو میروید مدرس دلیل و منطق پشت آن قدم را شرح میدهد که اهمیت آن قدمها را در ادامه مسیر در ذهن داشته باشید.
پژمان اقبالی دانشجوی دکتری بیومکانیک در دانشگاه EPFL سوئیس است. وی دارای تجربه تدریس مباحث علوم کامپیوتر مخصوصاً برنامهنویسی محاسباتی است. او سابقهی تدریس برنامهنویسی پایتون، متلب و R، محاسبات علمی، بهینهسازی، علم داده و یادگیری ماشین را دارد.
ایشان در حال حاضر بر روی توسعهی مدلهای آماری و یادگیری ماشین برای تحلیل دادههای پزشکی کار میکند. حوزههای تخصصی او برنامهنویسی محاسباتی، آمار و یادگیری ماشین، مدلهای اجزای محدود و بهینهسازی است.
در این دوره از منابع گوناگونی بهره گرفته شده است. اصلیترین منابع در برگزاری این دوره موارد زیر است:
1) Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow, Aurélien Géron, Published by O’Reilly Media, Inc., 2019
2) Deep Learning, Aaron Courville, Ian Goodfellow, and Yoshua Bengio, MIT Press, 2015
3) https://www.tensorflow.org
4) https://keras.io