×
ribbon

تا پایان تخفیف

آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین

یکی از انواع روش های یادگیری ماشین (Machine Learning) و هوش مصنوعی، یادگیری عمیق (Deep learning) است. طی... بیشتر
گواهی‌نامه
4.4 (15 امتیاز)
3,184دانشجو
مقدماتی

پژمان اقبالی

مشخصات دوره
محتوای دوره
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

محتوای دوره

1 فصل18 جلسه5 ساعت ویدیو
مدل‌سازی سطح پایین
  معرفی دوره
"06:30
  تنسورها در تنسورفلو - الف
"15:43
  تنسورها در تنسورفلو - ب
"19:41
  معرفی tf function
"17:10
  تعریف loss دلخواه - الف
"17:44
  تعریف loss دلخواه - ب
"18:25
  تعریف loss و regularizer دلخواه
"17:42
  تعریف متریک دلخواه
"19:00
  تعریف لایه دلخواه - الف
"12:12
  تعریف لایه دلخواه - ب
"10:53
  تعریف لایه دلخواه - پ
"12:33
  تعریف مدل دلخواه
"16:39
  الف - Gradient Tape
"13:08
  ب - Gradient Tape
"16:49
  تعریف training loop دلخواه - الف
"15:57
  تعریف training loop دلخواه - ب
"12:38
  تعریف training loop دلخواه - پ
"08:33
  مروری بر امکانات پردازش داده تنسورفلو
"19:46
  پروژه اول مدل‌سازی سطح پایین (الزامی)
"420:00
  پروژه دوم مدل‌سازی سطح پایین (الزامی)
"360:00
  پروژه سوم مدل‌سازی سطح پایین (الزامی)
"420:00
  پروژه چهارم مدل‌سازی سطح پایین (الزامی)
"360:00
  پروژه پنجم مدل‌سازی سطح پایین (الزامی)
"120:00

پیش‌نیاز‌ها

برای شرکت در دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چه پیش‌نیازهایی وجود دارد؟

در این دوره مباحث به نحوی انتخاب و بیان شده است که این پیش‌فرض وجود دارد که مخاطب دوره با مباحث مربوط به یادگیری عمیق، تنسورفلو و کراس آشنایی دارد. برای درک هرچه بهتر موضوعات مطرح شده در این دوره بهتر است مخاطب پیش از شروع این دوره نسبت به گذراندن دوره آموزش «یادگیری عمیق با تنسورفلو و کراس» اقدام کند.

توضیحات دوره

یکی از انواع روش‌های یادگیری ماشین (Machine Learning) و هوش مصنوعی، یادگیری عمیق (Deep learning) است. طی این روش، تلاش بر این است که قابلیتی به ماشین (سیستم کامپیوتری) اضافه شود تا ماشین در تصمیم‌گیری‌ها روشی مشابه فرایند ذهن انسان را داشته باشد و به نوعی فعالیت‌های ذهن انسان را تقلید کند.

در دوره «آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» شرکت‌کنندگان با موضوعات مختلفی از جمله مدل‌سازی سطح پایین در تنسورفلو آشنا خواهند شد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است و به دلیل ویژگی‌های جذابی که در اختیار کاربران قرار می‌دهد، کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌ترین کاربردهای تنسورفلو در پیاده‌سازی شبکه‌های عصبی است؛ به همین دلیل این کتابخانه، به عنوان پراستفاده‌ترین کتابخانه در یادگیری عمیق شناخته می‌شود.

شرکت‌کنندگان این دوره با همه مباحث مربوط به یادگیری عمیق، مدل‌سازی سطح پایین و کتابخانه تنسورفلو آشنا خواهند شد. به طور مشخص شرکت‌کنندگان در این دوره با مباحث زیر سروکار خواهند داشت:

  • آشنایی با تعاریف کلی و مفاهیم مربوط به یادگیری عمیق و مدل‌سازی سطح پایین
  • چگونگی طراحی دلخواه اِلمان‌های مختلف یک شبکه عصبی مانند loss، metric، activation function و حتی لایه‌ها و مدل‌ها
  • چگونگی پیاده‌سازی training loop به صورت کامل و دلخواه
  • آشنایی با تعاریف و عملیات‌های ممکن روی تنسورها
  • آشنایی با امکانات پردازش داده تنسورفلو

شرکت‌کنندگان این دوره پس از گذراندن این دوره علاوه بر آشنایی با مباحث و تعاریف کلی موارد زیر را نیز به طور کامل فرا خواهند گرفت:

  • آشنایی با تنسورها و انجام محاسبات با آن‌ها
  • پیاده‌سازی loss، activation function، initializer، regularizer، metric، لایه و مدل دلخواه
  • آشنایی با GradientTape و طراحی حلقه آموزش دلخواه
  • آشنایی با Data API تنسورفلو

 

هدف از برگزاری دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چیست؟

مدل‌سازی سفارشی و سطح پایین یکی از مهم‌ترین مهارت‌ها برای افرادی است که قصد دارند در زمینه یادگیری عمیق فعالیت داشته باشند.

شما ممکن است بخواهید ایده‌های جدیدی را برای طراحی یک شبکه عصبی پیاده‌سازی کنید. یعنی شبکه‌ای طراحی کنید که تعدادی از اِلمان‌ها به‌صورت default در آن وجود نداشته باشد. به‌عنوان مثال می‌خواهید یک loss جدید تعریف کنید و یا عملکرد شبکه را با یک متریک جدید ارزیابی کنید؛ یا لایه‌ای بسازید که عملکرد جدیدی داشته باشد. پس از گذراندن این دوره با امکانات لازم در تنسورفلو برای این محاسبات آشنا می‌شوید و می‌توانید شبکه‌ای کاملا دلخواه با نیازها و ایده‌آل‌های خودتان ایجاد کنید.

هدف اصلی این دوره آشنایی با همه مباحثی است که در این مسیر مورد نیاز شما خواهند بود و برای کار در این مسیر باید به آن‌ها تسلط پیدا کنید.

 

دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» برای چه کسانی مناسب است؟

مباحث مطرح شده در این دوره برای همه افرادی که به موضوعاتی همچون یادگیری عمیق و هرآنچه به این موضوع مربوط می‌شود علاقه‌مند هستند، مفید و کاربردی خواهد بود.

به طور خاص این دوره برای کسانی است که با تنسورفلو و کراس آشنایی دارند و قصد دارند با گذراندن یک دوره آموزشی علاوه بر مرور مجدد مباحث مربوط به این عناوین، گامی بزرگ در جهت ماهرتر شدن در مدل سازی شبکه‌های عصبی برای یادگیری عمیق بردارند.

اطلاعات بیشتر

امتیاز و نظرات کاربران

4.4

از مجموع 16 امتیاز

6نظر

1 سال پیش

دوره ی بسیار مفید و کاربردی بود. تشکر میکنم از زحمات جناب آقای دکتر اقبالی و تیم مکتبخونه

احمد اسدی امجد

2 سال پیش

بسیار خوب،سرفصل ها مناسب و تدریس عالی. ممنون از مکتب خونه و آقای اقبالی

سیدکیوان ناصری

2 سال پیش

دوره مفیدی بود

علی رضا دیندار فرکوش

3 سال پیش

برنامه ریزی دوره خوب، محتوای دوره با کیفیت و نحوه تدریس عالی بود.

عبدالرحیم صدیقی

3 سال پیش

دوره خوب ومفیدی بود...

زهرا غلامی

1 سال پیش

توضیحات بسیار گنگ و نامفهوم هست. نصف دوره به جای کد نویسی توضیحات هست. باید برای واضح کردن توضیحات، اسلاید تهیه شود.

محمدرضا مروج الاحکامی

گواهی‌نامه

آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین

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

linkdin

دوره‌های پیشنهادی مشابه

درباره استاد

پژمان اقبالی
3دوره
7,618دانشجو

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

دیگر دوره‌های پژمان اقبالی

سوالات پرتکرار

حداقل و حداکثر زمانی که می‌توانم یک دوره را بگذرانم چقدر است؟

برای گذراندن دوره، حداقل زمان مشخصی وجود ندارد و شما می‌توانید در هر زمان که مایل هستید، ویدیوهای آموزشی دوره را ببینید و تمارین را انجام دهید؛ اما برای هر دوره یک حداکثر زمان تعیین شده که در صفحه معرفی دوره قابل مشاهده است که تنها در این بازه زمانی امکان تصحیح پروژه‌ها توسط پشتیبان و دریافت گواهی‌نامه را خواهید داشت.

آیا پس از به اتمام رساندن و قبولی در دوره، می‌توانم نسخه فیزیکی گواهی‌نامه را دریافت کنم؟

خیر. به‌دلیل ملاحظات محیط‌زیستی و کاهش مصرف کاغذ، گواهی‌نامه فقط به‌صورت الکترونیکی ارائه می‌شود.

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.

آیا در صورت خرید دوره، گواهی‌نامه آن به من تعلق می‌گیرد؟

خیر. با خرید دوره، امکان شرکت در دوره و دسترسی به محتوای آن را خواهید داشت؛ اما تنها در صورتی که در بازه زمانی تعیین‌شده دوره را با موفقیت و نمره قبولی به اتمام برسانید، گواهی‌نامه به نام شما صادر می‌شود.

مهارت‌هایی که می‌آموزید