0
سبد خرید شما خالیست!
میتواند برای مشاهده محصولات بیشتر به صفحات زیر بروید :
افزودن به لیست علاقه مندی ها

آموزش شبکه عصبی در متلب (MATLAB)

دسته بندی: مهندسی برق
جزئیات دوره بیشتر
  • مدت دوره : 8 ساعت
  • پیش نیاز: متلب مقدماتی
  • نحوه برگزاری: آنلاین و حضوری (هنگام ثبت نام با هماهنگی)
  • فیلم دوره: دارد
  • مدرک ارائه شده: لاتین پارس پژوهان و فنی حرفه ای
  • زمان برگزاری: آخر هفته ها (هفته ای یک جلسه) با هماهنگی
  • شماره های تماس: 021-88322992-88322993 داخلی (105)
مشاهده بیشتر + مشاهده کمتر -
امتیاز محصول
690٬000 تخفیف
در حال برنامه ریزی
این دوره در حال برنامه ریزی برگزاری است. از طریق همین صفحه و شبکه های اجتماعی زمان دقیق آن اطلاع رسانی خواهد شد.
به من اطلاع بده

معرفی دوره آموزش شبکه عصبی در متلب (MATLAB)

شبکه عصبی مجموعه‌ای از الگوریتم‌هایی است که عملکرد آن از سیستم عصبی انسان‌ها پیروی می‌نماید و مجموعه‌ای از داده‌ها را مطابق با نحوه عملکردشان تشخیص می‌دهد. این گونه شبکه‌ها به شبکه عصبی مصنوعی و یا شبکه عصبی شبیه‌سازی ‌شده شناخته می‌شوند و جزو پایه‌های اصلی یادگیری ماشین و یادگیری عمیق به‌ شمار می‌رود. یادگیری هوش مصنوعی و استفاده‌ی صحیح از آن در دنیای مهندسی یک ضرورت جدانشدنی و پر کاربرد برشمرده می‌شود. با شرکت در این دوره‌ آموزشی بسیاری از مفاهیم پایه‌ای در برنامه‌نویسی را فرا خواهید گرفت و اعمال زیادی مانند بهینه‌سازی که در بسیاری از پروژه‌ها کاربرد دارد را خواهید آموخت.

در این دوره‌ آموزشی ضمن یادگیری اصول اولیه‌ هوش مصنوعی، با چالش‌ها و کاربردهای اساسی آن نیز آشنا خواهید گشت. بررسی شبکه‌های عصبی در نرم افزار متلب روشی کارآمد در حل بسیاری از مسائل روزمره از جمله تشخیص الگو یا طبقه ‌بندی داده به شمار می‌رود. دانش‌ پژوهان ضمن شرکت در این دوره‌ آموزشی می‌توانند به صورت عملی و پروژه محور برنامه نویسی را آغاز کرده و حتی در نرم افزارهای دیگری غیر از متلب نیز به این کار بپردازند. در صورت علاقه به این حوزه و کاوش بیشتر در نرم افزار متلب می‌توانید آموزش بهینه‌سازی با متلب و آموزش سیمولینک در متلب را شرکت نمایید.

سرفصل‌های دوره شبکه عصبی در متلب (MATLAB)

  1. معرفی شبکه‌های عصبی پرسپترون تک و چند لایه
  2. تئوری
  3. مدل‌سازی ریاضی
  4. ترکیبات منطقی تک و چند لایه
  5. بررسی روش‌های بهینه‌سازی
  6. کلاسیک؛ Levenberg-Marquardt
  7.  Gradient Descend
  8.  Back propagation
  9.  Adaptive Learning
  10. معرفی کاربردهای شبکه عصبی
  11. Modeling & Function approximation
  12. Classification ،Vector quantization
  13. Associated Memory
  14. Compression
  15. بهینه‌سازی
  16. System Identification
  17. کنترل
  18. معرفی شبکه‌های عصبی شعاعی
  19. معرفی روش‌های آموزش کلاسیک و هوشمند و کد نویسی آن‌ها
  20.  سری‌های زمانی و کد نویسی آن‌ها
  21.  شبکه‌های عصبی هایفیلد و رقابتی و نگاشت SOM
  22. یادگیری غیر نظارتی و الگوریتم k-means
  23. معرفی ماشین بردار پشتیبان و کلاسترینگ و رگرسیون آن

پیش نیاز دوره آموزش شبکه عصبی در متلب(Matlab) 

 بهتر است علاقه‌مندان قبل از شروع به یادگیری این دوره، پیش نیاز آن یعنی دوره آموزش متلب (MATLAB) را تهیه نمایند.

گواهینامه دوره آموزشی شبکه عصبی در نرم افزار متلب:

در پایان دوره به پذیرفته‌شدگان مدرک لاتین موسسه پارس پژوهان و فنی‌ حرفه‌ای تعلق می‌گیرد.

بعد از شرکت در دوره آموزش شبکه عصبی در MATLAB (متلب) چه مهارتهایی کسب میکنیم؟ 

  1. توانایی ثبت داده، حذف نویز و آرتیفکت و استخراج ویژگی
  2.  یادگیری داده‌های ساختارمند
  3.  مهارت در شبکه‌های عصبی کانولوشنی
  4.  توانایی طراحی و پیاده‌سازی شبکه‌های عصبی
  5. یادگیری شبکه‌های عصبی بازگشتی
  6. آشنایی با نقش لایه‌های مختلف
  7. نحوه چینش برای ایجاد ساختار شبکه
  8. تعیین پارامترهای هر لایه
  9. آشنایی با مفهوم عملیات در هر لایه
  10. یادگیری هوش مصنوعی
  11. تسلط بر پردازش تصویر
  12. آشنایی با تکنیک‌های بهینه‌سازی در یادگیری ماشین
  13. توانایی تنظیم نرخ یادگیری بر اساس نیازهای مدل
  14. درک تحلیل سری‌های زمانی با شبکه‌های عصبی

سوالات متداول:

کدام لایه‌های پرسپترون تدریس می‌گردد؟

تک لایه و چندلایه.

پردازش تصاویر در این دوره چه کاربردی دارد؟

پردازش تصاویر محدود به یک رشته نیست و در اکثر رشته‌ها تدریس می‌گردد.

منبع آموزش این دوره پردازش چیست؟ 

کتاب شبکه عصبی و یادگیری عمیق از اگرول و یادگیری عمیق در پایتون از چولت.




 
  • توضیحات دوره
  • مشخصات
  • نقد و بررسی
توضیحات دوره

معرفی دوره آموزش شبکه عصبی در متلب (MATLAB)

شبکه عصبی مجموعه‌ای از الگوریتم‌هایی است که عملکرد آن از سیستم عصبی انسان‌ها پیروی می‌نماید و مجموعه‌ای از داده‌ها را مطابق با نحوه عملکردشان تشخیص می‌دهد. این گونه شبکه‌ها به شبکه عصبی مصنوعی و یا شبکه عصبی شبیه‌سازی ‌شده شناخته می‌شوند و جزو پایه‌های اصلی یادگیری ماشین و یادگیری عمیق به‌ شمار می‌رود. یادگیری هوش مصنوعی و استفاده‌ی صحیح از آن در دنیای مهندسی یک ضرورت جدانشدنی و پر کاربرد برشمرده می‌شود. با شرکت در این دوره‌ آموزشی بسیاری از مفاهیم پایه‌ای در برنامه‌نویسی را فرا خواهید گرفت و اعمال زیادی مانند بهینه‌سازی که در بسیاری از پروژه‌ها کاربرد دارد را خواهید آموخت.

در این دوره‌ آموزشی ضمن یادگیری اصول اولیه‌ هوش مصنوعی، با چالش‌ها و کاربردهای اساسی آن نیز آشنا خواهید گشت. بررسی شبکه‌های عصبی در نرم افزار متلب روشی کارآمد در حل بسیاری از مسائل روزمره از جمله تشخیص الگو یا طبقه ‌بندی داده به شمار می‌رود. دانش‌ پژوهان ضمن شرکت در این دوره‌ آموزشی می‌توانند به صورت عملی و پروژه محور برنامه نویسی را آغاز کرده و حتی در نرم افزارهای دیگری غیر از متلب نیز به این کار بپردازند. در صورت علاقه به این حوزه و کاوش بیشتر در نرم افزار متلب می‌توانید آموزش بهینه‌سازی با متلب و آموزش سیمولینک در متلب را شرکت نمایید.

سرفصل‌های دوره شبکه عصبی در متلب (MATLAB)

  1. معرفی شبکه‌های عصبی پرسپترون تک و چند لایه
  2. تئوری
  3. مدل‌سازی ریاضی
  4. ترکیبات منطقی تک و چند لایه
  5. بررسی روش‌های بهینه‌سازی
  6. کلاسیک؛ Levenberg-Marquardt
  7.  Gradient Descend
  8.  Back propagation
  9.  Adaptive Learning
  10. معرفی کاربردهای شبکه عصبی
  11. Modeling & Function approximation
  12. Classification ،Vector quantization
  13. Associated Memory
  14. Compression
  15. بهینه‌سازی
  16. System Identification
  17. کنترل
  18. معرفی شبکه‌های عصبی شعاعی
  19. معرفی روش‌های آموزش کلاسیک و هوشمند و کد نویسی آن‌ها
  20.  سری‌های زمانی و کد نویسی آن‌ها
  21.  شبکه‌های عصبی هایفیلد و رقابتی و نگاشت SOM
  22. یادگیری غیر نظارتی و الگوریتم k-means
  23. معرفی ماشین بردار پشتیبان و کلاسترینگ و رگرسیون آن

پیش نیاز دوره آموزش شبکه عصبی در متلب(Matlab) 

 بهتر است علاقه‌مندان قبل از شروع به یادگیری این دوره، پیش نیاز آن یعنی دوره آموزش متلب (MATLAB) را تهیه نمایند.

گواهینامه دوره آموزشی شبکه عصبی در نرم افزار متلب:

در پایان دوره به پذیرفته‌شدگان مدرک لاتین موسسه پارس پژوهان و فنی‌ حرفه‌ای تعلق می‌گیرد.

بعد از شرکت در دوره آموزش شبکه عصبی در MATLAB (متلب) چه مهارتهایی کسب میکنیم؟ 

  1. توانایی ثبت داده، حذف نویز و آرتیفکت و استخراج ویژگی
  2.  یادگیری داده‌های ساختارمند
  3.  مهارت در شبکه‌های عصبی کانولوشنی
  4.  توانایی طراحی و پیاده‌سازی شبکه‌های عصبی
  5. یادگیری شبکه‌های عصبی بازگشتی
  6. آشنایی با نقش لایه‌های مختلف
  7. نحوه چینش برای ایجاد ساختار شبکه
  8. تعیین پارامترهای هر لایه
  9. آشنایی با مفهوم عملیات در هر لایه
  10. یادگیری هوش مصنوعی
  11. تسلط بر پردازش تصویر
  12. آشنایی با تکنیک‌های بهینه‌سازی در یادگیری ماشین
  13. توانایی تنظیم نرخ یادگیری بر اساس نیازهای مدل
  14. درک تحلیل سری‌های زمانی با شبکه‌های عصبی

سوالات متداول:

کدام لایه‌های پرسپترون تدریس می‌گردد؟

تک لایه و چندلایه.

پردازش تصاویر در این دوره چه کاربردی دارد؟

پردازش تصاویر محدود به یک رشته نیست و در اکثر رشته‌ها تدریس می‌گردد.

منبع آموزش این دوره پردازش چیست؟ 

کتاب شبکه عصبی و یادگیری عمیق از اگرول و یادگیری عمیق در پایتون از چولت.




 

دوره های مشابه

افزودن نظر جدید
امتیاز محصول *
با انتخاب دکمه "ثبت نظر" موافقت خود را با قوانین انتشار محتوا در گروه آموزشی پارس پژوهان اعلام می‌کنم.
افزودن پرسش جدید
با انتخاب دکمه "ثبت پرسش" موافقت خود را با قوانین انتشار محتوا در گروه آموزشی پارس پژوهان اعلام می‌کنم.
اطلاع به من در زمان موجود شدن
0 سبد
بیشتر
دسته ها
جستجو
پروفایل
تماس
دسته بندی ها
دوره‌های فنی مهندسی
دوره‌های مدیریت
بازگشت به بالا