جستجو برای "{{term}}"
جستجو برای "{{term}}" نتیجه ای نداشت.
پیشنهاد می شود:
  • از املای صحیح کلمات مطمئن شوید.
  • از کلمات کمتری استفاده کنید.
  • فقط کلمه کلیدی عبارت مورد نظر خود را جستجو کنید.
{{count()}} نتیجه پیدا شد. برای دیدن نتایج روی دکمه های زیر کلیک کنید!
نتیجه ای یافت نشد.
سایر نتیجه ها (دپارتمان ها، اخبار، مقالات، صفحات) را بررسی کنید.

{{item.title}}

{{item.caption}}
نتیجه ای یافت نشد.
سایر نتیجه ها (دوره ها، اخبار، مقالات، صفحات) را بررسی کنید.

{{item.title}}

{{item.caption}}
نتیجه ای یافت نشد.
سایر نتیجه ها (دوره ها، دپارتمان ها، مقالات، صفحات) را بررسی کنید.

{{item.title}}

{{item.caption}}
{{item.datetime}}
نتیجه ای یافت نشد.
سایر نتیجه ها (دوره ها، دپارتمان ها، اخبار، صفحات) را بررسی کنید.

{{item.title}}

{{item.caption}}
{{item.datetime}}
نتیجه ای یافت نشد.
سایر نتیجه ها (دوره ها، دپارتمان ها، اخبار، مقالات) را بررسی کنید.

{{item.title}}

{{item.caption}}
{{item.datetime}}

آموزش Deep Learning with Python آنلاین
Deep Learning with Python- Online

دوره

 

 

این دوره به عنوان دوره پیشرفته هوش مصنوعی طراحی گشته است تا ضمن آشنایی با رویکردهای نوین آن و طراحی مدل های کارا در این زمینه مسائل پیچیده دنیای واقعی را با دقتی نزدیک به انسان تحلیل و بررسی کند. تمرکز اصلی این دوره بر مدل های هوشمند مبتنی بر شبکه عصبی عمیق بوده و سعی دارد با معرفی ساختار شبکه عصبی عمیق ، پارامترها و نحوه پیاده سازی و بهبود آن را نشان دهد. در ادامه این مسیر با ارتقا مدل ها و شخصی ساز آن در حوزه هایی همچون پردازش تصویر و متن با امکاناتی نظیر حافظه داینامیک و معماری انتقال دانش تجربیات جدیدی را برای دانش پذیران فراهم خواهد کرد. در انتها نیز با معرفی مدل های مطرح این حوزه یک گام فراتر گذاشته و دانش پذیران را برای ورود به بازار کار آماده می کند.

پیش نیاز ها

  • آشنا به آمار و احتمال ریاضی
  • برنامه نویسی پایتون
  • آنالیز داده
  • یادگیری ماشین

سرفصل ها

  • انواع Optimization ها در محاسبه گرادیان شبکه های عصبی
  • مقدمات شبکه های عصبی عمیق
  • شبکه های عمیق پیچشی
  • معماری یادگیری انتقالی
  • شبکه های عمیق بازگشتی
  • معماری ترتیب به ترتیب
  • تبدیل شونده ها
  • شبکه های عمیق Variation Autoencoders
  • شبکه های عمیق Generative Adversarial Networks
  • ادامه سر فصل ها ...

کسب توانایی ها

  • آشنایی با انواع Optimizer ها در شبکه های عمیق عصبی به همراه کاربردهای آنان
  • آشنایی با روش های مختلف مقدار دهی وزن در شبکه های عمیق عصبی
  • آشنایی با انواع روش های Regularization و Augmentation جهت افزایش پیچیدگی داده ها
  • آشنایی با شبکه های عمیق پیچشی به همراه انواع معماری های مطرح آن
  • آشنایی با شبکه های عمیق بازگشتی به همراه انواع معماری های مطرح آن
  • آشنایی با معماری ترتیب به ترتیب (Seq to Seq)
  • آشنایی با معماری تبدیل شونده ها (Transformers)
  • ساخت و پیاده سازی شبکه های عمیق بر اساس معماری Auto Encoder و آشنایی با معماری Variational Auto Encoder
  • آشنایی با شبکه های عمیق Generative به همراه معماری های مطرح آن

بازار کار

  • امروزه شاهد عملکردی فراتر از انسان در مسائل گوناگون در حوزه متن ، تصویر و صدا توسط مدل های هوشمند هستیم. دستیابی به این دانش در دنیای هوش مصنوعی اغلب توسط مدل های عمیق فراهم گشته است و این مسیر ادامه دارد. درک کارکرد این مدلها و بهبود عملکرد آنان از حوزه های فعال این بخش است.
  • ساخت مدل های هوشمند برای توصیف و ارزیابی پدیده های پیچیده و دشوار دنیای واقعی همواره یکی از دغدغه های شرکت های مطرح و بزرگ در عرصه ی دیجیتال است. امکان پیاده سازی این دسته از مدل ها برای دانش پذیران این دوره فراهم است.
  • با توجه به بررسی مدل های گوناگون در حوزه تصاویر که عمدتا منجر به استخراج ویژگی های گوناگون از آن و تولید تصویر می شود ، امکان ورود به بازار کار در حوزه پردازش هوشمند تصاویر توسط دانش پذیران فراهم است.
  • با توجه به بررسی مدل های گوناگون در حوزه متن که عمدتا منجر به ارائه تحلیل های معنایی و محتوایی از متن در کنار تولید آن در مقیاس های گوناگون میشود ، امکان ورود به بازار کار در حوزه پردازش متن توسط دانش پذیران این دوره فراهم است.
  • با توجه به بررسی مدل های گوناگون در حوزه تحلیل صدا و ساخت صدا در این دوره ، امکان فعالیت در حوزه هایی همچون تولید دستیار هوشمند توسط دانش پذیران فراهم است.
  • امکان استخدام به عنوان یک دانشمند داده در شرکت های بزرگ برنامه نویسی پس از گذراندن این دوره برای دانش پذیران این دوره فراهم است.
اطلاعات درس
دپارتمان : فناوری اطلاعات و ارتباطات سطح درس : تخصصی گواهینامه : دارد حضوری/آنلاین : ۶۰ ساعت

کلاس ها

کلاس #327550
مرکز : نیاوران
تاریخ شروع : ۰۹-۰۹-۱۴۰۳
جمعه از ساعت ۰۹:۰۰ تا ۱۳:۰۰
هزینه دوره : ۶۸,۰۰۰,۰۰۰ ریال نمایش کلاس
کلاس #324463
مرکز : سعادت آباد (مرکزی)
تاریخ شروع : ۲۲-۰۹-۱۴۰۳
پنجشنبه از ساعت ۰۸:۰۰ تا ۱۳:۰۰
هزینه دوره : ۶۸,۰۰۰,۰۰۰ ریال نمایش کلاس