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.
{{item.title}}
نتیجه ای یافت نشد.
{{item.title}}
نتیجه ای یافت نشد.
{{item.title}}
نتیجه ای یافت نشد.
{{item.title}}
نتیجه ای یافت نشد.
{{item.title}}
آموزش Deep Learning with Python آنلاین
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
کلاس #324463
مرکز : سعادت آباد (مرکزی)
تاریخ شروع : ۲۲-۰۹-۱۴۰۳
پنجشنبه از ساعت ۰۸:۰۰ تا ۱۳:۰۰