00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به 8 جلسه نمونه از دوره
  • دسترسی به 8 جلسه نمونه از دوره
  • عضویت در تالار گفت‌وگوی دوره
  • اضافه شدن دوره به پروفایل
فقط محتوا
  • دسترسی کامل و نامحدود به محتوای دوره
  • تمام قابلیت‌‌های پلن رایگان
    +
  • دسترسی کامل و نامحدود به محتوای دوره
219,000 تومان
امکان پرداخت ارزی ‎
دوره کامل
  • دسترسی به تمام قابلیت‌های دوره
  • تمام قابلیت‌های پلن محتوا
    +
  • گواهی‌نامه مکتب‌خونه
  • پروژه محور
  • تمرین و آزمون
  • تالار گفتگو
  • تسهیل استخدام
539,000 تومان
امکان پرداخت ارزی ‎
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
مکتب‌خونه مکتب‌خونه

آموزش یادگیری عمیق پیشرفته: مدل‌سازي توالي

دوره‌های مکتب‌پلاس
67 ساعت
84٪ (45 رای)

دوره آموزش یادگیری عمیق پیشرفته: مدل‌سازی توالی (Sequence modeling) چیست؟

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:

  • معرفی معماری‌های RNNلایه simpleRNN در تنسورفلودانلود دیتاست
  • تغییر فرمت داده به فرمتی مناسب برای لایه RNN در تنسورفلو
  • پیاده‌سازی مدل simpleRNN در تنسورفلو
  • معرفی LSTM
  • پیاده‌سازی مدل LSTM در تنسورفلو
  • پیش‌بینی احتمالاتی با مدل Autoregressive recurrent network
  • معرفی ماژول Darts برای پیش‌بینی سری‌های زمانی
  • مروری بر امکانات تولید داده Darts
  • پیاده‌سازی مدل RNN احتمالاتی با Darts
  • معرفی یک دیتاست و امکانات پردازش داده در Darts
  • اضافه‌کردن covariate به سری زمانی
  • پیاده‌سازی مدل RNN احتمالاتی روی داده با covariate
  • معرفی historical_forecast و backtest در Darts
  • پیاده‌سازی historical_forecast
  • معرفی مدل N-BEATS
  • پیاده‌سازی مدل‌های Transformer مانند Temporal Fusion Transforme برای پیش‌بینی توالی
  • پیاده‌سازی مدل‌های Convolutional  مانند Temporal Convolutional Network برای پیش‌بینی توالی
  • پیاده‌سازی مدل‌های classification برای داده‌های از جنس توالی

در انتهای این دوره شرکت‌کنندگان موضوعات زیر را فرا خواهند گرفت:

  • پیاده‌سازی شبکه‌های شامل RNN ساده
  • پیاده‌سازی شبکه‌های شامل LSTM و انواع مختلف آن
  • پیاده‌سازی پیش‌بینی‌های احتمالاتی برای کار با توالی‌ها با مدل deepAR
  • پیاده‌سازی مدل‌های Transformer برای پیش‌بینی توالی
  • پیاده‌سازی مدل‌های Convolutional برای پیش‌بینی توالی
  • آشنایی با کتابخانه GluonTS
  • آشنایی با کتابخانه Darts
     

هدف از برگزاری دوره آموزش یادگیری عمیق پیشرفته: مدل‌سازی توالی چیست؟

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.

 

دوره آموزش یادگیری عمیق پیشرفته: مدل‌سازی توالی برای چه کسانی مناسب است؟

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.

 

سرفصل‌های دوره آموزش یادگیری عمیق پیشرفته: مدل‌سازي توالي

فصل اول: Recurrent Neural Network
08:54 ساعت
02:48
Combined Shape Created with Sketch. 20 جلسه
بارم:
15%
نمایش جلسات فصل  
فصل دوم: Deep Autoregressive
21:24 ساعت
03:17
Combined Shape Created with Sketch. 24 جلسه
بارم:
34%
نمایش جلسات فصل  

در این فصل با مدل deepAR برای پیش‌بینی توالی به‌صورت احتمالاتی آشنا شده و این مدل را با استفاده از کتابخانه‌های GluonTS و Darts پیاده‌سازی می‌کنیم.

پیش‌بینی احتمالاتی با مدل Autoregressive recurrent network
"15:58
کوییز پیش‌بینی احتمالاتی با مدل Autoregressive recurrent network
2.9%
     
"01:00
پیاده‌سازی Autoregressive recurrent network با Gluonts - بخش اول
"15:16
پیاده‌سازی Autoregressive recurrent network با Gluonts - بخش دوم
"09:28
کوییز پیاده‌سازی Autoregressive recurrent network با Gluonts - بخش دوم
2.9%
     
"01:00
پیاده‌سازی Autoregressive recurrent network با Gluonts - بخش سوم
"12:29
ارزیابی Autoregressive recurrent network با Gluonts
"20:18
معرفی ماژول Darts برای پیشبینی سری‌های زمانی
"14:15
کوییز معرفی ماژول Darts برای پیشبینی سری‌های زمانی
2.9%
     
"01:00
مروری بر امکانات تولید داده Darts
"19:19
پیاده‌سازی مدل RNN احتمالاتی با Darts
"21:06
کوییز پیاده‌سازی مدل RNN احتمالاتی با Darts
2.9%
     
"01:00
معرفی یک دیتاست و امکانات پردازش داده در Darts
"19:15
اضافه‌کردن covariate به سری زمانی
"15:28
کوییز اضافه کردن covariate به سری زمانی
2.9%
     
"01:00
پیاده‌سازی مدل RNN احتمالاتی روی داده با covariate
"04:58
معرفی historical_forecast و backtest در Darts
"12:09
پیاده‌سازی historical_forecast
"08:01
کوییز پیاده‌سازی historical_forecast
2.9%
     
"01:00
معرفی مدل N-BEATS
"09:44
کوییز معرفی مدل N-BEATS
2.9%
     
"01:00
پروژه دوم: پیاده‌سازی مدل DeepAR

 (الزامی)

26.5%
     
"240:00
پروژه سوم: آشنایی با مدل N-BEATS

 (الزامی)

26.5%
     
"240:00
پروژه چهارم: کار با دیتاست اقلیم

 (الزامی)

26.5%
     
"600:00
فصل چهارم: Temporal Convolutional Neural Network
14:32 ساعت
00:31
Combined Shape Created with Sketch. 5 جلسه
بارم:
19%
نمایش جلسات فصل  
فصل پنجم: Timeseries Classifications
06:24 ساعت
00:23
Combined Shape Created with Sketch. 5 جلسه
بارم:
10%
نمایش جلسات فصل  

تالار گفت‌وگو

استاد دوره
پژمان اقبالی پژمان اقبالی

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.

درباره گواهینامه
مکتب‌خونه مکتب‌خونه
حد نصاب قبولی در دوره:
70.0 نمره
فارغ‌التحصیل شدن در این دوره نیاز به ارسال تمرین‌ها و پروژه‌های الزامی دارد.

پیش‌نیاز‌های دوره آموزش یادگیری عمیق پیشرفته: مدل‌سازي توالي

آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین
اطلاعات بیشتر
یادگیری عمیق با تنسورفلو و کراس
اطلاعات بیشتر

ویژگی‌های دوره آموزش یادگیری عمیق پیشرفته: مدل‌سازي توالي

Combined Shape1 Created with Sketch. گواهی‌نامه مکتب‌خونه

در صورت قبولی در دوره، گواهی نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می گیرد.

 

مشاهده نمونه گواهینامه

خدمات منتورینگ

خدمات منتورینگ به معنای برخورداری دانشجو از راهنما یا پشتیبان علمی در طول گذراندن دوره می‌باشد. این خدمات شامل پاسخگویی به سوالات آموزشی(در قالب تیکتینگ)، تصحیح آزمون یا پروژه های دوره و ارائه باز خورد موثر به دانشجو می‌باشد.

پروژه محور

این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.

تمرین و آزمون

با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.

تالار گفتگو

شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.

تسهیل استخدام

در صورت قبولی در دوره، شما می‌توانید با وارد کردن اطلاعات آن در بخش دوره‌های آموزشی رزومه‌ساز «جاب ویژن»، تایید مهارت خود را در قالب اضافه شدن «مدال مهارت» به روزمه آنلاین خود دریافت نمایید. این مدال علاوه بر ایجاد تمایز در نمایش رزومه شما، باعث بالاتر قرار گرفتن آن در لیست انبوه رزومه‌های ارسالی به کارفرما شده و بدین ترتیب شانس شما را برای استخدام در سازمانهای موفق و پر متقاضی افزایش می‌دهد. 

 

مشاهده اطلاعات بیشتر

نظرات  (2 نظر)

اح
16:55 - 1401/05/04
دانشجوی دوره
بر خلاف عنوانش برای ورود و اشنایی خوبه -معرفی دو کتابخانه darts , glounts خوب بود -مدرس به مفاهیم سریهای زمانی ومراحل انجام پروژهای سری زمانی اشنایی کامل ندارند ولی به تنسورفلو و کتابخانهایی که درس دادند تسلط کافی دارند
مسلم
12:30 - 1401/04/31
دانشجوی دوره
من انتظار داشتم با توجه به اسم دوره که نوشته #پیشرفته، مطالب پیشرفته تری بیان بشه و بیشتر به مثالهای واقعی تر و چالش های واقعی تر پرداخته بشه ولی اصلا اینطوری نیست. برای مثال در دنیای واقعی طول X_train خیلی وقتها انقدر بزرگه که روی رم جا نمیشه و گوگل کولب خطا میده و نیاز هست ما از generator ها استفاده کنیم. من اصلا خرید این دوره رو پیشنهاد نمی کنم و خودمم از خرید دوره واقعا پشیمونم. خیلی ساده و ابتدایی هست.
پشتیبانی مکتب‌خونه
همراه عزیز؛ از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم. موارد مطرح شده جهت بررسی بیشتر به بخش مربوطه ارسال شد. در صورت نیاز به پیگیری بیشتر با شما در ارتباط خواهیم بود.

سوالات پرتکرار

آیا در صورت خرید دوره، گواهی نامه آن به من تعلق می گیرد؟
خیر؛ شما با خرید دوره می توانید در آن دوره شرکت کنید و به محتوای آن دسترسی خواهید داشت. در صورتی که در زمان تعیین شده دوره را با نمره قبولی بگذرانید، گواهی نامه دوره به نام شما صادر خواهد شد.
آیا گواهی‌نامه‌های دانشگاهی به صورت رسمی و توسط دانشگاه مربوطه صادر می‌شود؟
بله؛ گواهی نامه ها توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا مسئول مربوطه که حق امضای گواهی نامه ها را دارد صادر می شود و گواهی نامه معتبر دانشگاه است که به اسم هر فرد صادر می شود.
حداقل و حداکثر زمانی که می توانم یک دوره را بگذرانم چقدر است؟
برای گذراندن دوره حداقل زمانی وجود ندارد و شما می توانید در هر زمانی که مایل هستید فعالیت های مربوطه را انجام دهید. برای هر دوره یک حداکثر زمان تعیین شده است که در صفحه معرفی دوره می توانید مشاهده کنید که از زمان خرید دوره توسط شما تنها در آن مدت شما از ویژگی های تصحیح پروژه ها توسط پشتیبان و دریافت گواهی نامه بهره مند خواهید بود.
در صورت قبولی در دوره، آیا امکان دریافت نسخه فیزیکی گواهی نامه دوره را دارم؟
خیر، به دلیل مسائل زیست محیطی و کاهش قطع درختان، فقط نسخه الکترونیکی گواهی‌نامه در اختیار شما قرار می‌گیرد
پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟