Search
English
All Categories
    Menu Close

    یادگیری عمیق (Deep Learning by Python)

    مدت : 16 ساعت 4جلسه ،4ساعته
    490,000 تومان
    i h

    این دوره به سه بخش اصلی مبانی اولیه یادگیری عمیق، برنامه نویسی یادگیری عمیق به صورت کاربردی و در نهایت آموزش و پیاده سازی شبکه GAN (با زبان برنامه ­نویسی پایتون) تقسیم می­شود.

    در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. از سال 2012 تا کنون، تمامی رتبه های برتر چالش شناسایی بصری ImageNet، که به جام جهانی بینایی ماشین معروف است، از شبکه های عصبی عمیق استفاده کرده اند. همچنین، تمام روش های برتر در رقابت های دسته بندی تصاویر اعداد دست نویس MNIST (با 21 خطا در 10,000 تصویر) و تصاویر طبیعی CIFAR (با خطای کمتر از 5%) نیز به مدل های شبکه عصبی عمیق تعلق دارد. از سال 2012 به بعد، شرکت های بزرگ نرم افزاری و سخت افزاری مانند Google, Microsoft, NVIDIA نیز بخش مهمی از فعالیت های پژوهشی و تجاری خود را به یادگیری عمیق اختصاص داده اند.

    1- مقدمه و معرفی یادگیری عمیق (Deep learning)

    2- روش­ها و مدل­های یادگیری عمیق

    • معرفی مدل های یادگیری عمیق
    • یادگیری بدون نظارت (Unsupervised)
    • مدل های خود رمزنگار (Auto Encoder)
    • مدل های شبکه عصبی عمیق مولد (Generative adversarial network)
    • یادگیری با نظارت (Supervised)
    • مدل های شبکه عصبی کانولوشنی (Convolutional neural network)
    • مدل های شبکه عصبی بازگشتی (Recurrent neural network)

    3- جزئیات شبکه عصبی کانولوشنی

    •  لایه های کانولوشن
    • لایه های کاهش اندازه
    • مدل های برتر شبکه های عصبی کانولوشنی

    4- نحوه آموزش شبکه­های عصبی

    • آماده سازی داده های آموزش
    • انتخاب معماری مناسب شبکه
    • الگوریتم های آموزش و بهینه سازی
    • تکنیک های تنظیم و بهبود روند آموزش
    • تکنیک Batch Normalization
    • تکنیک Dropout
    • تکنیک انتقال یادگیری (Transfer Learning)

    5- سخت افزار ها و نرم افزارها و برنامه نویسی یادگیری عمیق (پایتون)

        ·  معرفی سخت‌ افزارهای مناسب برای پیاده سازی ایده های یادگیری عمیق

       ·  معرفی نرم افزارها و کتابخانه های برنامه نویسی حوزه یادگیری عمیق

    • نحوه راه اندازی بسترهای کدنویسی پایتون، Keras و TensorFlow در ویندوز

       ·  مثال های برنامه نویسی در کتابخانه Keras به زبان پایتون

    6- شبکه های GAN معمولی

    • معماری شبکه GAN
    • تابع هزینه در شبکه GAN
    • بهینه سازی رقابتی تابع هزینه در شبکه GAN
    •  یادگیری در شبکه GAN
    • مقایسه GAN با Autoencoder
    •  آموزش شبکه GAN
    •  مثال عملی شبکه GAN در پایتون

    7- شبکه های GAN کانولوشنی

    • شبکه های عصبی کانولوشنی
    • لایه های کانولوشن، Pooling و کانولوشن معکوس
    • معماری شبکه DCGAN
    • مثال عملی شبکه DCGAN در پایتون

    8- شبکه های GAN نیمه نظارتی

    • یادگیری نیمه نظارتی
    • معماری شبکه Semi-supervised GAN
    • تفاوت عملکرد شبکه Semi-supervised GAN با سایر شبکه های GAN
    • مثال عملی شبکه Semi-supervised GAN در پایتون

    9- شبکه های GAN مشروط

    • چالش شبکه GAN در مدل سازی مولد
    • معماری شبکه CGAN
    • مثال عملی شبکه CGAN در پایتون

    10 شبکه های GAN چرخشی

    • معماری شبکه CycleGAN
    • تابع های هزینه در شبکه CycleGAN
    • توضیح روال پیاده سازی CycleGAN
    • معماری شبکه U-Net در CycleGAN
    • معماری شبکه PatchGAN در CycleGAN

     11- کار با داده ها در keras، ایجاد و آموزش مدل، تکنیک های مفید برنامه نویسی در keras

    Products specifications
    google ندارد
    پیش نیاز پایتون مقدماتی
    وضعیت پیش ثبت نام
    نحوه برگزاری آنلاین و حضوری
    نوع دوره فشرده
    فیلم دوره موجود است
    مدرک ارائه شده لاتین پارس پژوهان
    0.0 0
    Write your own review Close
    • Only registered users can write reviews
    *
    *
    • Bad
    • Excellent
    *
    *
    *

    این دوره به سه بخش اصلی مبانی اولیه یادگیری عمیق، برنامه نویسی یادگیری عمیق به صورت کاربردی و در نهایت آموزش و پیاده سازی شبکه GAN (با زبان برنامه ­نویسی پایتون) تقسیم می­شود.

    در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. از سال 2012 تا کنون، تمامی رتبه های برتر چالش شناسایی بصری ImageNet، که به جام جهانی بینایی ماشین معروف است، از شبکه های عصبی عمیق استفاده کرده اند. همچنین، تمام روش های برتر در رقابت های دسته بندی تصاویر اعداد دست نویس MNIST (با 21 خطا در 10,000 تصویر) و تصاویر طبیعی CIFAR (با خطای کمتر از 5%) نیز به مدل های شبکه عصبی عمیق تعلق دارد. از سال 2012 به بعد، شرکت های بزرگ نرم افزاری و سخت افزاری مانند Google, Microsoft, NVIDIA نیز بخش مهمی از فعالیت های پژوهشی و تجاری خود را به یادگیری عمیق اختصاص داده اند.

    Products specifications
    google ندارد
    پیش نیاز پایتون مقدماتی
    وضعیت پیش ثبت نام
    نحوه برگزاری آنلاین و حضوری
    نوع دوره فشرده
    فیلم دوره موجود است
    مدرک ارائه شده لاتین پارس پژوهان
    Customers who bought this item also bought
    Picture of آموزش کاربردی نرم افزار Pspice

    آموزش کاربردی نرم افزار Pspice

    مدت :12ساعت 3جلسه ، 4ساعته
    400,000 تومان
    Picture of برنامه نویسی با PYTHON(برق و کامپیوتر)

    برنامه نویسی با PYTHON(برق و کامپیوتر)

    مدت : 24 ساعت 6هفته، 4 ساعته
    590,000 تومان
    Picture of SEO (بهینه سازی سایت برای موتورهای جستجو)

    SEO (بهینه سازی سایت برای موتورهای جستجو)

    مدت : 24 ساعت 6 جلسه ، 4 ساعته
    500,000 تومان
    Picture of برنامه نویسی با ++C (برق و کامپیوتر)

    برنامه نویسی با ++C (برق و کامپیوتر)

    مدت : 32 ساعت 8 هفته، 4 ساعته
    600,000 تومان