×
ribbon

تا پایان تخفیف

آموزش بهبود شبکه‌های عصبی عمیق

شبکه عصبی عمیق یک شبکه عصبی با سطح مشخصی از پیچیدگی و بیش از دولایه است. این نوع... بیشتر
زیرنویس
3.3 (15 امتیاز)
1,740دانشجو
مقدماتی

Andrew Ng

مشخصات دوره
محتوای دوره
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

محتوای دوره

3 فصل37 جلسه6 ساعت ویدیو
فصل اول: جنبه‎‌های عملیاتی یادگیری عمیق
  آموزش، توسعه و تست مجموعه داده
مشاهده
"12:14
  بایاس و واریانس
مشاهده
"08:56
  دستور العمل اصلی برای یادگیری ماشین
مشاهده
"06:31
  منظم‌سازی (regularization)
"09:52
  چرا منظم‌سازی (regularization)، overfitting را کاهش می‌دهد
"07:19
  Dropout Regularization
"09:35
  درک dropout
"07:14
  دیگر روش‌های regularization
"08:34
  نرمال‌سازی ورودی‌ها
"05:40
  Vanishing Exploding gradients
"06:17
  وزن‌دهی اولیه شبکه‌های عمیق
"06:22
  Numerical approximation of gradients
"06:45
  Gradient checking
"06:44
  نکات پیاده‌سازی Gradient checking
"05:28
  مصاحبه با Yoshua Bengio
"25:58
  آزمون فصل اول
"10:00
  پروژه اول – مقدار دهی اولیه (الزامی)
"60:00
  پروژه دوم – رگولاریزاسیون (الزامی)
"60:00
  پروژه سوم – بررسی گرادیان (الزامی)
"60:00
فصل دوم: الگوریتم‌های بهینه‌سازی
فصل سوم: تنظیم ابرپارامترها، نرمال‌سازی دسته‌ای و چارچوب‌های برنامه‌نویسی

پیش‌نیاز‌ها

این آموزش دومین دوره از مجموعه تخصص یادگیری عمیق اندرو بوده به آموزش بهبود شبکه عصبی عمیق می‌پردازد؛ بنابراین برای درک کامل موارد ذکرشده در این دوره شما باید با این شبکه‌ها آشنایی داشته باشید. تسلط بر یکی از زبان‌های برنامه‌نویسی و آشنایی با مدل‌سازی و مباحث ریاضیاتی برای شرکت در این دوره ضروری است.

توضیحات دوره

شبکه عصبی عمیق یک شبکه عصبی با سطح مشخصی از پیچیدگی و بیش از دولایه است. این نوع شبکه‌ها از مدل‌سازی سطح بالای ریاضی برای پردازش داده‌ها به روش‌های پیچیده استفاده می‌کنند.

به‌طورکلی شبکه عصبی یک فناوری است که برای شبیه‌سازی فعالیت مغز انسان ساخته شده‌است؛ شناخت الگو و عبور ورودی از طریق لایه‌های اتصالات عصبی شبیه‌سازی شده مختلف از مهم‌ترین این فعالیت‌هاست.

بسیاری از کارشناسان شبکه‌های عصبی عمیق را شبکه‌هایی تعریف می‌کنند که یک‌لایه ورودی، یک‌لایه خروجی و حداقل یک‌لایه پنهان در بین آن‌ها دارند. هر لایه نوع خاصی از مرتب‌سازی و ترتیب را در فرایندها انجام می‌دهند.

یکی از کاربردهای کلیدی شبکه عصبی عمیق سروکار داشتن با داده‌های بدون برچسب یا ساختار نیافته است. عبارت یادگیری عمیق هم برای توصیف این شبکه‌های عصبی عمیق به کار می‌رود؛ چراکه یادگیری عمیق شکل خاصی از یادگیری ماشین را نشان می‌دهد که در آن فناوری‌ها با استفاده از جنبه‌های هوش مصنوعی به دنبال طبقه‌بندی و تنظیم اطلاعات فراتر از پروتکل‌های ساده ورودی و خروجی هستند.

 

هدف از یادگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چیست؟

آموزش بهبود شبکه عصبی عمیق، دومین دوره از مجموعه تخصص یادگیری عمیق اندرو می‌باشد. هدف از این دوره این است که بتوانید فرایندهایی که منجر به کارایی می‌شوند و به طور سیستماتیک نتایج خوبی به بار می‌آورند، را درک کنید.

در پایان این دوره شما خواهید توانست بهترین روش‌ها را برای آموزش و توسعه مجموعه‌های آزمون و تجزیه و تحلیل بایاس واریانس استفاده کرده و آن‌ها را برای ایجاد برنامه‌های یادگیری عمیق به کار ببرید. 

 

دوره آموزش بهبود شبکه‌های عصبی عمیق مناسب چه کسانی است؟

  • کسانی که با هوش مصنوعی آشنایی دارند و می‌خواهند مهارت‌های خود را ارتقا دهند.
  • برنامه‌نویسانی که به کار کردن در حوزه بهبود شبکه عصبی عمیق علاقه‌مندند.
  • دانشجویان علوم مهندسی، پزشکی و پایه

 

بعد از فراگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چه مهارت‌هایی کسب خواهید کرد؟

با گذراندن این دوره مهارت‌های شما در زمینه بهبود شبکه‌های عصبی عمیق ارتقا پیدا خواهد کرد و می‌توانید از تکنیک‌های استاندارد شبکه عصبی عمیق استفاده کنید. این تکنیک‌ها عبارت‌اند از:

  • تنسورفلو (Tensorflow)
  • یادگیری عمیق
  • بهینه‌سازی ریاضی
  • تنظیم هایپر پارامترها
  • مقداردهی اولیه
  • نرمال‌سازی بسته‌ها
  • پیاده‌سازی و به‌کارگیری انواع الگوریتم‌های بهینه‌سازی

 

 

اطلاعات بیشتر

امتیاز و نظرات کاربران

3.3

از مجموع 16 امتیاز

4نظر

4 سال پیش

دوره های Dr. Adnrew Ng فوق العاده هستن و ویدیو های این دوره ها رو میشه هر چند وقت یکبار باز هم مرور کرد و بیشتر به حرف هایی که در ویدیو ها گفته میشه فکر کرد . از مکتب خونه بابت این دوره ها بسیار سپاس گذارم و امیدوارنم دوره های این شکلی بیشتری اضافه بشه .

علیرضا فرزین پور

2 سال پیش

زیرنویس دوره بد بود

آرتین دانشور

4 سال پیش

دوره فوق العادس ولی زیرنویس صرفا از روی گوگل ترنسلیت ترجمه شده. اگر امکانش هست مترجمی برای این کار پیدا کنید.

میلاد سیف الهی

2 سال پیش

زیر نویس دوره بسیار بد و مبتدی هست . در صورت کمی آشنایی با مفاهیم یادگیری ماشین به سادگی متوجه ضعف زیرنویس خواهید شد.

نجمه پورخمیسی

گواهی‌نامه

آموزش بهبود شبکه‌های عصبی عمیق

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

Andrew Ng
20دوره
31,863دانشجو

اندرو انگ استاد دانشکده علوم کامپیوتر دانشگاه استنفورد و سرپرست آزمایشگاه هوش مصنوعی استنفورد است. وی هم چنین بنیان‌گذار کورسرا (coursera.org) است و بر اساس گزارش تکنولوژی دانشگاه ام ای تی یکی از 35 مخترع برتر جوان دنیا است.
او دکتری خود را از دانشگاه کالیفرنیا برکلی گرفته و زمینه‌های پژوهش او هوش مصنوعی و علوم رباتیک است.

اطلاعات بیشتر

دیگر دوره‌های Andrew Ng

سوالات پرتکرار

آیا ممکن است برخی جلسات یک درس ناقص باشند؟

معمولا تمامی جلسات هر درس به‌طور کامل ضبط می‌شوند؛ اما گاهی به دلیل برخی ناهماهنگی‌ها ممکن است یک یا چند جلسه ضبط نشده باشد. جزئیات این موارد در توضیحات هر درس درج شده است.

اگر لینک دانلود یا پخش ویدئو مشکل داشت، چه کاری باید انجام داد؟

در صورت مواجهه با هرگونه مشکل در دانلود یا پخش ویدئو، می‌توانید از طریق صفحه ارتباط با ما اطلاع دهید تا تیم پشتیبانی به‌سرعت مشکل را بررسی و رفع کند.

آیا می‌توان ویدئوهای یک درس را به‌صورت سی‌دی یا دی‌وی‌دی از شما تهیه کرد؟

در حال حاضر امکان ارسال دروس به‌صورت سی‌دی یا دی‌وی‌دی وجود ندارد و همه محتواها به شکل آنلاین ارائه می‌شوند.

مهارت‌هایی که می‌آموزید