آموزش جامع یادگیری عمیق (Tensorflow/keras)

این دوره با چه فریم ورک و زبان برنامه نویسی است؟ این دوره تئوری و عملی بوده و پس از بیان تئوری، هر مبحث در زبان پایتون با فریم ورک تنسورفلو (Tensorflow) و کراس (Keras) ...

4.9 (9 امتیاز)
244 دانشجو
مقدماتی
محتوای دوره
پیش‌نیاز‌ها
درباره دوره
نظرات کاربران
درباره استاد

آنچه در این دوره می‌آموزید

طراحی و پیاده‌سازی شبکه‌های عصبی عمیق

حل مسایل واقعی با هوش مصنوعی

ارتقای مهارت‌های خود را در زمینه پردازش تصویر و بینایی کامپیوتر، پردازش زبان طبیعی و پردازش صوت و گفتار

استخدام در مشاغل مرتبط با هوش مصنوعی

محتوای دوره

10 فصل 119 جلسه 41 ساعت ویدیو
پیش نیازهای یادگیری عمیق
مقدمه شبکه عصبی
شبکه‌های عصبی کانولوشنالی
معماری‌های عمیق و انتقال یادگیری
رگرسیون و Functional API
طبقه‌بندی متن، استفاده از Embedding و سیستم‌های توصیه‌گر
Model Subclassing، خودرمزنگارها و GAN ها
داده های صوتی و تابع خطای CTC
پیدا کردن هایپرپارامترهای بهینه و استقرار مدل در محیط عملیاتی
روشهای انتقال یادگیری و افزونگی داده ی پیشرفته

پیش‌نیاز‌ها

در این دوره تلاش شده تمام مباحث از پایه تدریش شود و تنها پیشنیاز این دوره پایتون می باشد.

درباره دوره

این دوره با چه فریم ورک و زبان برنامه نویسی است؟

این دوره تئوری و عملی بوده و پس از بیان تئوری، هر مبحث در زبان پایتون با فریم ورک تنسورفلو (Tensorflow) و کراس (Keras) پیاده سازی میشود. تمامی کدها در گیت‌هاب دوره نیز قابل مشاهده است.

 

دوره جامع یادگیری عمیق برای چه کسانی مناسب است؟

  • علاقه‌مندان به هوش مصنوعی و یادگیری عمیق
  • دانشجویان و فارغ‌التحصیلان رشته‌های کامپیوتر، برق، ریاضی و آمار
  • متخصصان IT که به دنبال ارتقای مهارت‌های خود در زمینه هوش مصنوعی هستند
  • هر کسی که می‌خواهد با قدرت هوش مصنوعی، مسائل دنیای واقعی را حل کند

دوره جامع یادگیری عمیق چه چیزی به شما می‌آموزد؟

  • مبانی شبکه‌های عصبی: در این دوره، با مفاهیم پایه ای هوش مصنوعی و شبکه های عصبی مانند نورون، تابع فعال، گرادیان کاهشی و پس انتشار خطا آشنا خواهید شد.
  • شبکه‌های عصبی کانولوشنالی: این بخش به طور کامل به بررسی شبکه‌های عصبی کانولوشنالی (CNN) که برای پردازش تصاویر و ویدئوها به کار می‌روند، می‌پردازد.
  • پردازش زبان طبیعی: در این دوره، با روش‌های پردازش زبان طبیعی (NLP) و کاربردهای آن در طبقه‌بندی متن، استخراج اطلاعات و سیستم‌های توصیه‌گر آشنا خواهید شد.
    کار با داده های صوتی و گفتار: در این دوره، با روش‌های پیش پردازش و استخراج ویژگی صوت، طبقه بندی، CTC، تبدیل گفتار به متن آشنا می شوید.
  • موضوعات پیشرفته: در این دوره، به مباحث پیشرفته‌تر یادگیری عمیق مانند خودرمزگذار، GAN ها، تشخیص ناهنجاری می پردازیم.
  • پروژه‌های عملی: در طول دوره، با انجام پروژه‌های عملی، مهارت‌های خود را در زمینه یادگیری عمیق به کار خواهید گرفت.
  • تسلط به فریم ورک Tensorflow/Keras : در این دوره، شما با هر 3 سینتکس تعریف شبکه عصبی در فریم ورک کراس شامل Sequential، Functional API و Model Sub-classing آشنا خواهید شد و علاوه بر استفاده از روش های سطح بالای فریم ورک برای آموزش مدل، به روش های سطح پایین دسترسی به گرادیان ها و شخصی سازی کردن فرایند آموزش نیز پرداخته خواهد شد.

 

ویژگی‌های دوره:

40 ساعت آموزش ویدئویی: این دوره شامل 40 ساعت آموزش ویدئویی با کیفیت بالا است که توسط استاد مجرب با سابقه تدریس شده است.


با گذراندن این دوره، شما قادر خواهید بود:

  • شبکه‌های عصبی عمیق را طراحی و پیاده‌سازی کنید.
  • از هوش مصنوعی برای حل مسائل دنیای واقعی استفاده کنید.
  • مهارت‌های خود را در زمینه پردازش تصویر و بینایی کامپیوتر، پردازش زبان طبیعی و پردازش صوت و گفتار ارتقا دهید.
  • در مشاغل مرتبط با هوش مصنوعی استخدام شوید.

آموزش جامع یادگیری عمیق، دوره‌ای عملی است که مسیر شما را برای ورود به بازار کار هموار می‌کند. در این دوره بیش از 40 ساعت آموزش تئوری و عملی وجود دارد که دانش شما را در این زمینه افزایش می‌دهد.

آموزش جامع یادگیری عمیق

یادگیری ماشین یا دیپ لرنینگ از زیر مجموعه‌های اصلی یادگیری عمیق و هوش مصنوعی هستند. در یادگیری عمیق از شبکه‌های عصبی مصنوعی برای انجام محاسبات مختلف استفاده می‌کنند. این دانش در سال‌های اخیر مورد توجه ایرانیان قراره گرفته و شرکت‌های زیادی به ‌دنبال استخدام افراد متخصص در این حوزه هستند. به همین علت این روزها آموزش جامع یادگیری عمیق اهمیت ویژه‌ای پیدا کرده و افراد زیادی برای یادگیری این دانش تلاش می‌کنند. اگر شما هم علاقه‌مند به یادگیری این تخصص هستید، این مطلب را مطالعه کنید.

اهمیت آموزش جامع یادگیری عمیق

همان‌طور که می‌دانید دنیای امروزی با سرعتی باور نکردنی در حال دیجیتالی شدن است. امروزه داده‌ها و اطلاعات اهمیت زیادی دارند، اما جمع‌آوری، تجزیه‌وتحلیل و بدست آوردن اطلاعات مفید از آنها چالشی بزرگ محسوب می‌شود. این کار با ظهور هوش مصنوعی و علم یادگیری عمیق به‌راحتی قابل انجام است. به همین علت در دنیای امروزی آموزش جامع یادگیری عمیق جایگاهی خاص دارد. از جمله دلایل شرکت در آموزش جامع یادگیری عمیق می‌توان به موارد زیر اشاره کرد:

  • تقاضای بالا برای متخصصان یادگیری عمیق: با توجه به رشد روزافزون هوش مصنوعی تقاضا برای متخصصان یادگیری عمیق نیز به شدت در حال افزایش است. تسلط بر این دانش می‌تواند فرصت‌های شغلی فوق‌العاده‌ای را برای شما به ارمغان آورد.
  • حل مسائل پیچیده: یادگیری عمیق به شما ابزارهایی را می‌دهد تا بتوانید با چالش‌های پیچیده‌ و حجیم اطلاعاتی که در دنیای واقعی با آن‌ها مواجه هستیم، مقابله کنید. 
  • نوآوری و پیشرفت: با تسلط بر یادگیری عمیق، می‌توانید در توسعه‌ی راه‌حل‌های نوآورانه در حوزه‌های مختلف مانند پزشکی، حمل‌ونقل و تجارت الکترونیک نقش‌آفرینی کنید. 
  • درک عمیق‌تر از داده‌ها: یادگیری عمیق به شما کمک می‌کند تا از داده‌ها، اطلاعات‌های ارزشمندی استخراج کنید و درک بهتری از دنیای اطراف خود به دست آورید. با تجزیه و تحلیل داده‌های حجیم، به الگوها و روندهایی پی ببرید که به‌صورت عادی قابل مشاهده نیستند.

یادگیری عمیق چه کاربردهایی دارد؟

دیپ لرنینگ می‌تواند در هر حوزه‌ای با جستجو و تحلیل داده‌های بزرگ، مشکلات انسان را درک کند و راه‌حل‌هایی کارآمد برای آنها ارائه دهد. از جمله کاربردهای مهم یادگیری عمیق می‌توان به موارد زیر اشاره کرد:

1. تشخیص تصویر

تشخیص چهره، تشخیص مدارک پزشکی، اسکن اعداد و... از زیر مجموعه‌های تشخیص تصویر هستند. با استفاده از کتابخانه Tensorflow در Python این تصاویر قابل تحلیل و تشخیص خواهند بود. 

2. پردازش زبان طبیعی

یادگیری زبان پیچیدگی‌های خاصی دارد که درک آن برای انسان هم کار دشواری است. اما یادگیری ماشین با استفاده از پردازش زبان طبیعی (NLP) می‌تواند به ماشین‌ها تفاوت‌های زبانی را یاد دهد و چهارچوب‌هایی را برای پاسخ دادن با زبان‌های متفاوت برای آنها مشخص کند. 

3. مدیریت ارتباط با مشتری

از دیگر کاربردهای یادگیری عمیق می‌توان به مدیریت ارتباط با مشتری اشاره کرد. CRM یکی از قوی‌ترین ابزار برای این کار است که با استفاده از دانش دیپ لرنینگ می‌تواند به کسب‌وکارها در این زمینه کمک کند.

4. تبلیغات پیش بینی کننده

یادگیری عمیق می‌تواند حجم زیادی از داده‌ها مانند تصاویر، متن‌ها، سایت‌ها و هر چیزی که کاربران به آنها واکنش نشان می‌دهند را جمع‌آوری و تحلیل کند. این اطلاعات استخراج شده نقش بزرگی در برگزاری تبلیغات مؤثر و پیش‌بینی نتایج آنها دارند.

5. رباتیک هوشمند

یادگیری عمیق به ربات‌ها این امکان را می‌دهد تا از طریق حسگرهای مختلف، داده‌های محیط را دریافت کرده و بر اساس آنها واکنش نشان دهند. آنها با استفاده از این دانش می‌توانند محیط اطراف خود را درک کنند، با انسان‌ها تعامل برقرار کرده و حتی وظایف پیچیده را به صورت مستقل انجام دهند.

اهمیت آموزش تنسورفلو و کراس در آموزش جامع یادگیری عمیق

تنسورفلو (Tensorflow)، کتابخانه‌ای متن باز در پایتون (Python) است که محاسبات پیچیده اعدادی را انجام می‌دهد. این کتابخانه مجموعه‌ای از الگوریتم و مدل‌های یادگیری ماشین است که در یادگیری عمیق کاربردهای فراوانی دارد. Tensorflow می‌تواند شبکه‌های عصبی را برای یادگیری عمیق ارقام دست نویس، تعیبه کلمات، مدل‌های دنباله‌ای برای ترجمه‌ی ماشین، شبیه‌سازی‌های مبتنی بر معادلات دیفرانسیل و بسیاری از موارد دیگر، آماده کند. به همین علت وجود آموزش تنسورفلو پیشرفته در دوره آموزش جامع یادگیری عمیق اهمیت فراوانی دارد.

با شرکت در دوره یادگیری ماشین امکان ورود به بازار کار وجود دارد؟

شما با شرکت در بهترین دوره یادگیری عمیق و تسلط بر مباحثی که در این آموزش وجود دارد می‌توانید وارد بازار کار شوید. شرکت‌های بزرگ در ایران و خارج از ایران به دنبال افرادی متخصص در حوزه دیپ لرنینگ هستند. به همین علت شما با یادگیری این دانش می‌توانید موقعیت شغلی خود را ارتقاء دهید و برای مهاجرت کاری اقدام کنید.

معرفی سرفصل‌های دوره آموزش جامع یادگیری عمیق

آموزش جامع یادگیری عمیق، 10 فصل دارد که به هر کدام از این مباحث به‌طور کامل پرداخته شده است. سرفصل‌های این دوره شامل موارد زیر هستند:

1.    پیش نیازهای یادگیری عمیق

2.    مقدمه شبکه عصبی

3.    شبکه‌های عصبی کانولوشنالی

4.    معماری‌های عمیق و انتقال یادگیری

5.    رگرسیون و Functional API

6.    طبقه‌بندی متن، استفاده از Embedding و سیستم‌های توصیه‌گر

7.    Model Subclassing، خودرمزنگارها و GAN ها

8.    داده های صوتی و تابع خطای  CTC

9.    پیدا کردن هایپرپارامترهای بهینه و استقرار مدل در محیط عملیاتی

10. روش‌های انتقال یادگیری و افزونگی داده‌ی پیشرفته

چه پیش‌نیازهایی برای شرکت در آموزش جامع یادگیری عمیق مکتب خونه لازم است؟

شما برای شرکت در این دوره تنها پیش‌نیازی که احتیاجی دارید، پایتون است. زیرا در آموزش جامع یادگیری عمیق تمامی مباحث از صفر گفته می‌شود. گفتنی است که در این دوره جزوه درس یادگیری عمیق در اختیار شما قرار داده می‌شود. شما برای شرکت در این دوره به علاقه و پشتکار نیاز دارید.

آموزش جامع یادگیری عمیق مکتب خونه چه مزایایی دارد؟

با شرکت در دوره یادگیری عمیق دانشگاه شریف مزایای زیر را بدست می‌آورید:

 آموزش پروژه‌محور: در این دوره مباحث به‌صورت تئوری و عملی آموزش داده می‌شوند. یعنی در طول دوره پروژه‌هایی برای شما تعریف شده که باید آنها را انجام دهید. با این کار شما به‌طور کامل به مباحث مسلط می‌شوید.

خدمات پشتیبانی: دانشجویانی که در این دوره آموزشی شرکت کنند، می‌توانند در هر زمانی سوالات و مشکلات خود را با پشتیبان دوره مطرح کنند.

دسترسی دائمی به آموزش: شما با خرید دوره فوق به‌صورت دائمی به آن دسترسی خواهید داشت. همچنین هر به‌روزرسانی و آپدیتی که در مباحث دوره ایجاد شود در اختیار شما قرار می‌گیرید.

آموزش جامع یادگیری عمیق در مکتب خونه ، کلید ورود شما به دنیای هوش مصنوعي!

شما برای این‌که بتوانید موقعیت شغلی خود را حفظ کنید و آن را ارتقاء دهید به آموزش یادگیری تقویتی، نیاز دارید. به همین علت می‌توانید با شرکت در آموزش جامع یادگیری عمیق مکتب خونه که به‌صورت آنلاین برگزار می‌شود، دانش خود را به‌روز کنید. با این آموزش‌ها می‌توانید به جدیدترین دانش روز دنیا مسلط شوید و موقعیت شغلی بهتری پیدا کنید. پس همین حالا این دوره را تهیه کنید تا با دنیای پیشرفته امروزی آشنا شوید و درآمد خود را افزایش دهید.

ما در مکتب خونه آموزش رایگان یادگیری عمیق هم برگزار می‌کنیم که شما با شرکت در این دوره اطلاعات مفیدی در زمینه دیپ لرنینگ بدست خواهید آورد. همچنین می‌توانید از سایر دوره‌های آموزش هوش مصنوعی، آموزش پایتون و آموزش یادگیری ماشین ما نیز دیدن کنید.

 

اطلاعات بیشتر

امتیاز و نظرات کاربران

4.9

از مجموع 9 امتیاز

3 نظر

4 ماه پیش

تسلط مدرس بر مباحث عالیست و بسیار خوب تدریس میکند

محمد روشنی

محمد روشنی

6 ماه پیش

مفید بود

محمدعلی شامیان اصل عجب شیر

محمدعلی شامیان اصل عجب شیر

6 ماه پیش

درود بر شما . تمرین و راهنما نداره این دوره ؟ فقط ویدئو هستش؟

محمد نامجو

محمد نامجو

دوره‌های پیشنهادی

درباره استاد

علیرضا اخوان‌پور
علیرضا اخوان‌پور
8 دوره
20,811 دانشجو

علیرضا اخوان پور، مدیر فنی مجموعه دانش بنیان شناسا، از سال ۹۴ مدرس دانشگاه شهید رجایی است که از سال ۹۵ تدریس تخصصی هوش مصنوعی و یادگیری عمیق را شروع کرده است.

وی به عنوان مدرس هوش مصنوعی و یادگیری عمیق با ۵ سال سابقه تدریس در موسسه‌ها و دانشگاه‌های برتر نظیر سابقه ارائه کارگاه‌های آموزشی در دانشگاه امیرکبیر، دانشگاه شریف، یازدهمین کنفرانس ملی و اولین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران، صندوق نوآوری شکوفایی، رویداد فیس کاپ، دوره های تخصصی معاونت علمی و فناوری ریاست جمهوری و سابقه تدریس در جهاد دانشگاه شریف و دوره‌های آزاد دانشگاه تهران را در رزومه‌ی خود دارد.

تدریس دوره‌های مختلف هوش‌مصنوعی در دیجی‌نکس (دیجی‌کالا)، مجموعه دانش بنیان پارت (بانک رسالت)، دوره علم داده جهاد دانشگاهی شریف، دوره های تخصصی کارمندان در بانک قوامین و سپه، دوره های جامع ۳۵۰ ساعته دانشگاه تهران و ... از دیگر موارد سابقه تدریسی ایشان است.

ایشان همچنین مدیر سایت class.vision هستند که یک سایت تخصصی در حوزه‌ی هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.

 

اطلاعات بیشتر

دیگر دوره‌های علیرضا اخوان‌پور

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟

بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.