- شرح محصول
- مشخصات
- نقد و بررسی
یادگیری عمیق(Deep Learning) یک شاخه از یادگیری ماشین(Machine Learning) و هوش مصنوعی(Artificial Intelligence) که روش هایی که انسان اطلاعات بدست می آورد را شامل میشود. یادگیری عمیق یک بخش مهم از علم داده می باشد که شامل آمار و پیش بینی مدل سازی میباشد. این علم برای متخصصین علوم داده مفید بوده زیرا روند جمع آوری و آنالیز داده را سریعتر و آسانتر میکند. الگوریتم یادگیری ماشین به صورت خطی میباشد در حالیکه الگوریتم یادگیری عمیق به صورت پیچیده و انتزاعی میباشد. یادگیری عمیق زیرشاخه ای از یادگیری ماشین می باشد اما راهبرد های آن برای حل مساله متفاوت می باشد. در مواردی از جمله تشخیص گفتار، NLP و غیره که حجم زیادی داده وجود دارد استفاده از یادگیری عمیق مزیت به حساب می آید. از کاربردی ترین موارد استفاده یادگیری عمیق میتوان به Computer Vision ، پردازش زبان، پردازش تصویر و غیره اشاره نمود. 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 نویسMNIST (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. پیش نیاز این دوره پایتون مقدماتی می باشد. 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.
