×
ribbon

آموزش رایگان یادگیری عمیق با پایتون

یادگیری عمیق (Deep Learning) که همچنین به عنوان یادگیری ساختار یافته عمیق یا یادگیری سلسله مراتبی نیز شناخته... بیشتر
4.2 (116 امتیاز)
16,046دانشجو
مقدماتی

سروش حیدری پهلویان

مشخصات دوره
محتوای دوره
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

آموزش یادگیری عمیق

یادگیری عمیق با پایتون

آموزش تکنیک های یادگیری عمیق

یادگیری عمیق پیشرفته

محتوای دوره

1 فصل7 جلسه3 ساعت ویدیو
یادگیری عمیق با پایتون
  آشنایی با مفاهیم اصلی یادگیری عمیق و شبکه‌های عصبی
مشاهده
"16:22
  آموزش شبکه عصبی
مشاهده
"14:33
  طبقه‌بندی تصاویر
مشاهده
"24:44
  طبقه‌بندی چند کلاسه تصاویر
"25:31
  کار با Tensors در PyTorch
"21:19
  ساخت Training Loop با SGD در PyTorch
"28:40
  ساخت یک شبکه عصبی از اسکرچ در PyTorch
"35:29

توضیحات دوره

یادگیری عمیق (Deep Learning) که همچنین به عنوان یادگیری ساختار یافته عمیق یا یادگیری سلسله مراتبی نیز شناخته می‌شود، زیرمجموعه‌ای از یادگیری ماشین است. این دوره آموزش یادگیری عمیق با پایتون با هدف آموزش عملی این ترند جذاب در مکتب خونه ارائه شده که در ادامه به معرفی این دوره آموزش خواهیم پرداخت و در بخش بیشتر بدانید اطلاعات کاملی را از یادگیری عمیق ارائه خواهیم کرد.

هدف از برگزاری دوره آموزش یادگیری عمیق با پایتون چیست؟

دوره آموزش رایگان یادگیری عمیق با پایتون به‌منظور آموزش اصول پایه‌ای یادگیری عمیق و استفاده از این اصول در زمینه‌های مختلف یادگیری عمیق مخصوصاً vision computer تهیه و تدوین شده است. این دوره آموزشی به‌صورت مرحله‌به‌مرحله و با استفاده از مثال‌های کاربردی شما را با مفاهیم زیر آشنا خواهد کرد.

سرفصل‌های دوره دیپ لرنینگ با پایتون

سرفصل‌های دوره آموزش یادگیری عمیق با پایتون به صورت زیر خواهد بود:

  • مقدمه‌ای بر یادگیری عمیق و معرفی library استفاده‌شده در این دوره
  • شبکه‌های عصبی (Neural networks) و نحوه پیاده‌سازی آن‌ها در PyTorch
  • آشنایی با مفهوم تنسور و نحوه کار کردن با آن‌ها در PyTroch
  • فرایند طراحی و استفاده از مدل‌های deep learning
  • آشنایی با روش stochastic gradient descent و نحوه پیاده‌سازی آن در PyTorch
  • آشنایی با convolutional neural networks (CNNs)
  • نحوه طراحی و train کردن یک مدل تشخیص عکس در PyTorch و fastai

دوره آموزش رایگان یادگیری عمیق با پایتون برای چه کسانی مناسب است؟

این دوره آموزش یادگیری عمیق با پایتون نقطه شروع بسیار خوبی برای افرادی است که هیچ تجربه‌ای در این زمینهٔ ندارند و تصمیم به شروع آموزش این مبحث گرفته‌اند. برای شروع یادگیری عملی و دسترسی به منابع آموزشی، پیشنهاد می‌کنیم از آموزش یادگیری عمیق با پایتون استفاده کنید. برای استفاده از مطالب ارائه‌شده در این دوره نیاز به دانش ریاضیات چندانی نیست اما بهتر است که تا حدودی با برنامه‌نویسی پایتون آشنایی داشته باشید.

همچنین این دوره آموزشی به دانشجویان رشته‌های مهندسی کامپیوتر در دو گرایش هوش مصنوعی و نرم‌افزار بسیار کمک خواهد کرد تا مفاهیم را به شکل حرفه‌ای‌تری برای انجام پروژه‌های دانشگاهی و درسی یاد بگیرند. 

تمایز دوره آموزش یادگیری عمیق با پایتون با سایر دوره‌ها

اصلی‌ترین ویژگی متمایزکننده این دوره با سایر دوره‌های موجود در این است که مدرس این دوره برای توضیح مفاهیم اساسی یادگیری ماشین از مثال‌های کاربردی استفاده می‌کند و در ادامه مفاهیم ریاضی مربوط به آن‌ها را مطرح می‌کند. با استفاده از این روش مخاطب طی استفاده از چند ویدئو اول این دوره آموزش یادگیری عمیق با پایتون با چگونگی طراحی مدل‌های نسبتاً پیشرفته و تکنیک‌های مورداستفاده برای پیاده‌سازی این مدل‌ها آشنا می‌شود و مفاهیم ریاضی را نیز با توجه ‌به کاربرد آن‌ها بهتر و عمیق‌تر درک خواهد کرد.

منابع مورد استفاده در دوره آموزش Deep Learning

منبعی که برای آموزش این دوره یادگیری عمیق با پایتون مورد استفاده قرار گرفته، علاوه بر اطلاعات مدرس دوره، منبع زیر بوده است:

  • Howard, Jeremy, and Sylvain Gugger. Deep Learning for Coders with fastai and PyTorch. O'Reilly Media, 2020.

اطلاعات بیشتر

امتیاز و نظرات کاربران

4.2

از مجموع 116 امتیاز

39نظر

3 ماه پیش

عالی

دانشجوی دوره

8 ماه پیش

بسیار عالی

مسعود وكيلي

8 ماه پیش

تدریس بسیار عالی هست

مرضیه فکور

1 سال پیش

عالی

دانشجوی دوره

1 سال پیش

دوره عالی هست فقط چرا نیمه کاره رها شده

حامد احمدي

2 سال پیش

بسیار ممنون.چه قدر عالی و لذت بخش تدریس می کنید.

فاطمه رفیعی

2 سال پیش

منتظر دوره های بعدی هستیم عالی بود

فاطمه سپهرمنش

3 سال پیش

من دوره های پایتون اقای سروش حیدری پهلویان رو دیدم فوق العاده عالی بود خیلی قشنگ و خوانا تدریس میکردن صد درصد این دوره هم عالی هست

دانشجوی دوره

3 سال پیش

فوق العاده بود

ابوالفضل اصغرزاده

3 سال پیش

عالی و بی نظیر توضیحات شهودی و قابل درک برای هر قسمت باعث میشه مفاهیم رو به صورت عمیق متوجه بشین و همزمان به صورت عملی کدش رو پیاده سازی کنید. عرض خسته نباشید خدمت استاد و تشکر بابت دوره عالیشون

امید بنکدار

3 سال پیش

خیلی دوره ی خوبی بود. اینکه عملی یک پروژه رو جلو می برن و به نتیجه میرسه خیلی خوبه. ولی باید بگم که نباید مثل فیلم ببینید و تموم بشه، گام به گام باید خودتون کد رو بزنید و تستش رو بگیرید. من به این روش رفتم جلو و چندجا با چالش مواجه شدم و درگیر شدم و همین ها باعث یادگیری بیشتر میشه. توی جلسه ی 7، از دقیقه ی 15 که DataLoader رو میسازن، shuffle رو میذارن True که فکر می کنم نباید باشه. چون من گذاشتم True نتیجه ی درست نمیده و دقت روی 50 درصد میمونه. ظاهراً وقتی shuffle true باشه، توی هر فراخونی از dataloader یک مقدار متفاوت میده. مثلاً توی این کد که خود استاد نوشتن، sample_input = list(dl)[23][0][100] sample_target = list(dl)[23][1][100] target نتیجه ی متناظر input نیست. مثلاً ممکنه توی input واقعاً یه عکس 3 باشه، ولی target میگه 7 هست. برای همین موقع حساب کردن خطا، انگار که همیشه نتیجه رندوم تشخیص داده میشه و همون تقریباً 0.5 میمونه. همچنین توی تابع train_epoch موقعی که prediction رو دارن Update میکنن، با توجه به چیزی که توی جلسه ی قبلش گفتن، باید اینطوری باشه: p.data -= p.grad.data * lr که اینطوری نوشتن: p.data -= p.grad * lr در نهایت ممنونم از زمانی که گذاشتن و این فیلم آموزشی رو ساختن، منتظر جلسه ی جدید هستم.

سیدضرغام تقوی

3 سال پیش

عالی بود. تسلط استاد بر روی مباحث تدریسی بسیار بالاست و فن بیان بسیار خوبی دارند. بی صبرانه منتظر دیدن ادامه ویدئوهای آموزشی از دکتر سروش پهلویان عزیز هستم.

رضا داورزنی

3 سال پیش

بی نظیر تدریس میکنه ، واقعا ی دنیا ممنون 😍🌹🙏🏻

دانشجوی دوره

3 سال پیش

استاد اگه ممکن است یک فیلم در مورد one shot learning ضبط کنید . باتشکر از زحمات شما

سید امین موسوی

3 سال پیش

کلاس خیلی جذاب و کاربردی بود. مشتاق دیدن جلسه های آینده هستم

دانشجوی دوره

دوره‌های پیشنهادی مشابه

درباره استاد

سروش حیدری پهلویان
2دوره
29,010دانشجو

دکتر سروش پهلویان دانش‌آموخته رشته مهندسی مکانیک از دانشکده فنی دانشگاه تهران در مقطع کارشناسی و کارشناسی ارشد است. وی تحصیلات و پژوهش‌های تکمیلی در مقطع PhD و Post-doc را در دانشگاه‌های اکرون و USC در آمریکا به اتمام رسانده و هم‌اکنون به‌عنوان research scientist در یک شرکت نرم‌افزاری در حوزه تصویربرداری و پردازش تصاویر پزشکی (MIM Software) در ایالت اوهایو مشغول به فعالیت است. 

تجربه سروش در برنامه‌نویسی از زمان تحصیلش در دانشگاه تهران و کارکردن روی پروژه‌های پژوهشی در حوزه دینامیک سیالات محاسباتی (CFD) شروع شد. بااین‌وجود، تمرکز اصلی وی بعد از اتمام تحصیلاتش در ایران، توسعه الگوریتم‌ها و نرم‌افزار‌های نوین جهت آنالیز و پردازش تصاویر رادیولوژی بوده است. فعالیت و مشارکت سروش در پروژه‌های مختلفِ آکادمیک و صنعتی در حوزه یادگیری ماشینی (machine learning) و یادگیری عمیق (deep learning) به وی کمک کرده که بتواند تجربه حرفه‌ای گسترده‌ای را در این زمینه‌ها کسب کند.

اطلاعات بیشتر

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