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.
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:
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:
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.
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.
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.