×
ribbon

تا پایان تخفیف

آموزش شبکه عصبی و یادگیری عمیق

مدرس:

Andrew Ng

امروزه در علوم کامپیوتر دو مبحث بسیار مهم با نام شبکه عصبی و یادگیری عمیق پدید آمده است.... بیشتر
زیرنویس
دسترسی: کامل
اطلاعات بیشتر
3.9 (56)
9 دیدگاه
5,295دانشجو
16ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

این دوره شامل:

14 ساعت ویدئو

8 تمرین و پروژه

40 سؤال سنجش و یادگیری

8 فایل ضمیمه قابل دانلود

دسترسی به تالار گفتگو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

4 هفته مهلت ارسال تمرین و پروژه

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

5 فصل46 جلسه7 ساعت ویدیو
فصل اول: مقدمه‌ای بر یادگیری عمیق
  مقدمه
05:42
  شبکه عصبی چیست؟
07:26
  یادگیری نظارت شده با شبکه عصبی
08:39
  چرا یادگیری عمیق
10:31
  در مورد این دوره
02:37
  منابع این دوره
02:05
  مصاحبه با Geoffrey Hinton
40:32
  آزمون فصل اول
10:00
فصل دوم: شبکه عصبی پایه
  دسته‌بندی دوتایی
08:33
  Logistic Regression
06:09
  تابع هزینه برای Logistic Regression
08:21
  گرادیان نزولی
11:33
  مشتقات
07:20
  مثال‌های بیشتر از مشتقات
10:37
  گراف محاسباتی
03:43
  مشتقات با استفاده از گراف محاسباتی
14:44
  گرادیان نزولی logistic regression
06:52
  گرادیان نزولی روی m مثال
08:10
فصل سوم: پایتون و برداری‌کردن
  برداری کردن
08:14
  مثال‌های بیشتر از برداری کردن
06:29
  برداری کردن رگرسیون خطی
07:42
  برداری کردن خروجی گرادیان رگرسیون لجیستیک
09:47
  کدنویسی در پایتون
11:16
  نکاتی در مورد بردارها در Numpy
06:59
  مروری بر Jupyter Notebook
03:53
  توضیحی بر تابع هزینه در رگرسیون لاجیستیک
07:24
  مصاحبه با LecturePieter Abbeel
16:13
  آزمون فصل سوم
09:00
  پروژه اول – رگرسیون لجستیک (الزامی)
120:00
فصل چهارم: شبکه عصبی سطحی
  مروری بر شبکه‌های عصبی
04:36
  نمایش شبکه‌ عصبی
05:24
  محاسبه خروجی شبکه عصبی
10:08
  برداری کردن(vectorizing) چند مثال
09:15
  توضیحی بر پیاده سازی برداری شده(Vectorized Implementation)
07:47
  تابع فعالساز
11:06
  چرا به توابع فعالساز غیر خطی لازم است؟
05:46
  مشتثات تابع فعالساز
08:07
  گرادیان نزولی در شبکه عصبی
10:07
  Backpropagation
15:58
  مقداردهی اولیه‌ تصادفی
08:07
  مصاحبه با Ian Goodfellow
15:05
  آزمون فصل چهارم
10:00
  پروژه دوم – پیاده سازی شبکه عصبی با یک لایه مخفی (الزامی)
120:00
فصل پنجم: شبکه عصبی عمیق
  شبکه عصبی L لایه عمیق
06:01
  forward propagation در شبکه عصبی عمیق
07:25
  ایجاد صحیح ابعاد ماتریس
11:20
  چرا نمایش عمیق
10:43
  ساخت بلوک های شبکه عصبی عمیق
08:43
  Forward and Backward Propagation
10:39
  پارامترها در برابر هایپرپارامترها
07:26
  این مباحث چه ارتباطی با مغز دارد
03:27
  آزمون فصل پنجم
10:00
  پروژه سوم – ایجاد شبکه عصبی قدم به قدم (الزامی)
120:00
  پروژه چهارم – کاربرد شبکه های عصبی عمیق (الزامی)
120:00

پیش‌نیاز‌ها

دوره آموزش یادگیری عمیق و شبکه عصبی اولین دوره از مجموعه تخصص یادگیری عمیق اندرو بوده و از معرفی و توضیح مبانی این دو علم شروع می‌کند و رفته رفته سطح مباحث آموزشی را ارتقا می‌دهد. پس از آموزش مقدماتی با شبکه‌های عصبی کم‌عمق و سپس عمیق آشنا می‌شوید و انتظار می‌رود که بتوانید آن‌ها را در عمل به کار ببرید. 

برای شرکت در دوره آموزش دیپ‌لرنینگ و شبکه عصبی بهتر است به حداقل یک زبان برنامه‌نویسی تسلط داشته باشید. همچنین توصیه می‌شود ابتدا مهارت‌ها و دانش‌های زیر را فرا بگیرید:

  • آشنایی با علم ریاضیات در حوزه‌های جبر، هندسه و غیره
  • تسلط بر زبان‌های برنامه‌نویسی پایتون یا R

توضیحات دوره

امروزه در علوم کامپیوتر دو مبحث بسیار مهم با نام شبکه عصبی و یادگیری عمیق پدید آمده است. شبکه‌های عصبی دسته‌ای از الگوهای برنامه‌نویسی هستند که برای آموختن از داده‌های مشاهده‌ای از زیست‌شناسی الهام گرفته‌اند. به عبارت ساده‌تر، این شبکه‌ها برای یادگیری از نحوه عملکرد مغز بهره می‌برند.

یادگیری عمیق مجموعه قدرتمندی از تکنیک‌ها برای یادگیری در شبکه‌های عصبی است. در واقع یادگیری عمیق زیرشاخه‌ای از یادگیری ماشین محسوب می‌شود و شبکه‌های عصبی اسکلت یادگیری عمیق را تشکیل می‌دهند. 

شبکه‌های عصبی و یادگیری عمیق در حال حاضر بهترین راه‌حل‌ها را برای بسیاری از مشکلات در تشخیص تصویر، تشخیص گفتار و پردازش زبان طبیعی (natural language processing) ارائه می‌دهند. اگر شما هم از علاقه‌مندان و فعالان حوزه تکنولوژی‌های نوظهور هستید، آموزش شبکه عصبی مصنوعی و یادگیری عمیق مکتب‌خونه را از دست ندهید.

هدف از آموزش شبکه عصبی و یادگیری عمیق چیست؟

آموزش شبکه‌های عصبی و یادگیری عمیق، اولین دوره از مجموعه تخصص یادگیری عمیق اندرو می‌باشد. در این دوره شما با مفاهیم بنیادی شبکه عصبی و یادگیری عمیق آشنا خواهید شد. این دوره به شما کمک می‌کند که قابلیت‌ها، چالش‌ها و پیامدهای یادگیری عمیق را درک کنید. همچنین آموزش یادگیری عمیق شما را برای مشارکت در توسعه فناوری پیشرفته هوش مصنوعی آماده می‌کند.

بنابراین این دوره مسیری برای شما فراهم می‌کند که دانش و مهارت لازم را برای استفاده از یادگیری ماشین در کار خود کسب کنید، سطح فنی خود را ارتقا داده و گام نهایی را برای ورود به دنیای هوش مصنوعی بردارید.

بعد از فراگیری دوره آموزش شبکه عصبی و یادگیری عمیق چه مهارت‌هایی کسب خواهید کرد؟

  • آشنایی با یادگیری عمیق
  • آشنایی با شبکه عصبی مصنوعی
  • برنامه‌نویسی پایتون
  • روش پس انتشار (Backpropagation)
  • معماری شبکه عصبی

دیدگاه کاربران

3.9

بر اساس امتیاز 56 دانشجو

1
2
3
4
5

سیده خدیجه میربخشی

21 روز پیش

5

خیلی ساده و روان اصول اولیه توضیح داده شد

مریم خسروی

9 ماه پیش

5

دوره بسیار عالی بود وقتی به پایان دوره رسیدم به درک خیلی خوبی از شبکه های عصبی رسیدم یه نکته برای مطالعه حتما مواردی که استاد میگن رو خودتون روی کاغذ بنویسید و سعی کنید مراحل رو خودتون جلو برید (مشتق گرفتن و رند اثبات) که کاملا درک کنید این مسئله به من خیلی کمک کرد

رضا عباس زاده

2 سال پیش

5

استاد مسلط به ریاضی پشت مفاهیم هستند و روان توضیح میدهند و برای مفاهیم و ریاضی و نکات برنامه نویسی مربوط به شبکه های عصبی دوره خوبی هست

الهام محمودی

3 سال پیش

5

همونطور که خودتون اشاره کردین ویدئوهای این دوره به طور رایگان در کورسرا قابل دیدن هست. علت اینکه من شخصا دوره رو از مکتب خونه تهیه کردم اینه که توی کورسرا امکان انجام کوئیزها و پروژه ها نیست. و هم چنین زیرنویس فارسی. ولی با مقایسه ی کوئیز هفته اول متوجه شدم سوال ها مشابه سوالات کورس اصلی نیست و هم چنین زیرنویس با فونت بسیار بزرگ و مزاحم ویدئو و لغات نامانوس مثل واژه ی ترانهاده به جای transpose تهیه شده به علاوه کیفیت پایین ویدئو که نظرم رو منفی کرد و شخصا گذروندن کورس های اندرو انگ رو در مکتب خونه توصیه نمی کنم.

علیرضا فرزین پور

4 سال پیش

5

این دوره رو به شدت توصیه می کنم ؛ و خوبیش هم این هست که دید بسیار خوبی در چگونگی پیشبرد فرآیند یادگیری در یک الگوریتم و به خصوص نحوه پیاده سازیش از پایه در پایتون ایجاد می کند . و پروژه های بسیار خوبی هم برای تثبیت این دید فراهم کرده ، در کل خیلی عالیه ! ممنونم از مکتب خونه

مسلم محمدباقری

5 سال پیش

5

یکم بی کیفیت هست ولی عالیه

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
20دوره
32,582دانشجو
462نظر و امتیاز

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.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

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.