آموزش یادگیری عمیق (Deep Learning) (مهندسی پزشکی)

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.
با قدم گذاشتن در مسیر هوش مصنوعی و یادگیری کاربرد های میکروکنترلر ها و برنامه نویسی در آن ها می توان ربات های جراحی و انواع آنها را ساخت.
پس مجموعه ای از دانش ها باید در کنار یادگیری ماشین قرار گیرند که منجر به یک ایده ی نو در مهندسی پزشکی شوند.
دوره ی یادگیری عمیق به دوره های هوش مصنوعی معطوف می شود. برای ساخت هوش مصنوعی ربات ها در بیمارستان ها و تجهیزات بیمارستانی و ...

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.