یادگیری عمیق یکی از روشهای یادگیری ماشین و هوش مصنوعی است و در این روش سعی میشود سیستم مغز انسان و شبکههای عصبی انسان را برای ماشینها به کار گرفت. در این دوره یادگیری عمیق ...
یادگیری عمیق یکی از روشهای یادگیری ماشین و هوش مصنوعی است و در این روش سعی میشود سیستم مغز انسان و شبکههای عصبی انسان را برای ماشینها به کار گرفت.
در این دوره یادگیری عمیق پیشرفته با ساختن مدلهای یادگیری عمیق برای پیشبینی توالی آشنا خواهید شد. دادههای مختلفی در دستهبندی توالی قرار میگیرند؛ مانند سریهای زمانی، فایلهای متنی، ویدئو و فایلهای صوتی.
در این دوره ما بر روی سریهای زمانی تمرکز خواهیم داشت؛ مانند دادههای مالی. هرچند مدلهای معرفی شده را میتوان برای کار با انواع دادههای از جنس توالی به کاربرد. به این منظور در این دوره شما با مدلهای Recurrent neural network (RNN)، Transformers و Convolutional neural network (CNN) برای کار با دادههای از جنس توالی آشنا خواهید شد.
در دوره یادگیری عمیق پیشرفته به مباحثی همچون موارد زیر پرداخته شده است:
در انتهای این دوره شرکتکنندگان موضوعات زیر را فرا خواهند گرفت:
هدف از برگزاری این دوره آشنایی شرکتکنندگان با ویژگیهای یادگیری عمیق و یادگیری چگونگی ساختن مدلهای یادگیری عمیق برای پیشبینی توالی آشنا خواهید شد. در این دوره شرکتکنندگان با پیادهسازی قویترین مدلهای موجود برای پیشبینی توالی آشنا خواهند شد. در انتهای این دوره افراد قادر خواهند بود مدلهای قدرتمند را با کتابخانههای مختلفی در پایتون بسازند. با استفاده از آموزشهای این دوره افراد برای کار در زمینههای مختلف که با دادههای از جنس توالی سروکار دارند آماده خواهند شد.
این دوره مناسب کسانی است که با مقدمات یادگیری عمیق و لایههای Dense و Convolutional و نحوه عملکرد backpropagation آشنا هستند و علاقهمند به کار یا تحقیق در زمینههایی که با دادههای از جنس توالی سروکار دارند مانند دادههای مالی، هواشناسي، سیستمهای اندازهگیری، صوت و ویدئو و… هستند.
این دوره در سطح پیشرفته برگزار میشود و برای حضور در این دوره نیاز است تا مخاطبان با مباحث مقدماتی آشنایی داشته باشند.
اطلاعات بیشتر
از مجموع 33 امتیاز
14 نظرنظرات بیشتر
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
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.
اطلاعات بیشتر