آموزش یادگیری عمیق (Deep learning)

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

مهندس سعید محققی
مهندس سعید محققی

مدرس فرادرس

دانشجوی دکترای تخصصی مهندسی پزشکی بیوالکتریک


سعید محققی در حال حاضر دانشجوی دکترای تخصصی در رشته مهندسی پزشکی – بیوالکتریک و نیز دستیار تدریس در دانشگاه شاهد تهران هستند. رساله دکترای وی در زمینه «پردازش تصاویر پزشکی با استفاده از تکنیک های یادگیری عمیق» است. (+)



در این آموزش ویدئویی، یکی از محبوب ترین و پرکاربردترین علوم حوزه هوش مصنوعی، یعنی یادگیری عمیق (Deep learning)، معرفی شده است. در این آموزش، علاوه بر آشنایی با مبانی تئوری یادگیری عمیق، تکنیک ها و مدل های مختلف آموزش شبکه های عصبی عمیق، قادر خواهید بود تا در عمل نیز به طراحی، پیاده سازی و آموزش این شبکه ها بپردازید. همچنین در این آموزش به کاربردهای آکادمیک و تحقیقاتی و هم به کاربردهای عملی یادگیری عمیق توجه شده است. در این آموزش، تمرکز بر روی محبوب ترین مدل و کاربرد یادگیری عمیق یعنی مدل شبکه عصبی کانولوشنی با کاربرد در بینایی ماشین و پردازش تصویر خواهد بود.

👤 مدرس: مهندس سعید محققی
🕓 مدت زمان: ۲ ساعت و ۵۵ دقیقه
🎓 تعداد دانشجو: ۳۲۳ نفر این آموزش را تهیه کرده اند. — ۲۱۲ نفر در یک ماه اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۱۶,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
فایل PDF یادداشت های مدرس در حین آموزش
مراجع و فایل های جانبی مرتبط با آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی و ارسال سریع
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

(توضیحات بیشتر +)



    توضیحات

    یادگیری عمیق (Deep learning) شاخه ای از بحث یادگیری ماشین و هوش مصنوعی و مجموعه ای از الگوریتم هایی است که تلاش می کنند مفاهیم انتزاعی سطح بالا را با استفاده از یادگیری در سطوح و لایه های مختلف مدل کنند. مطالعات بالینی نشان می دهند که ساختار مغز پستانداران از معماری شبکه های عصبی عمیق بهره می برد که در آن، مفاهیم انتزاعی در لایه های مختلف، به ترتیب از مفاهیم و ویژگی های ساده تا مفاهیم سطح بالا، در نواحی مختلف قشر مغز، پردازش می شوند. ایده یادگیری عمیق با الهام از ساختار طبیعی مغز انسان و به کمک امکانات و فن آوری های جدید، توانسته است در بسیاری از حوزه های مربوط به هوش مصنوعی و یادگیری ماشین، موفقیت های چشم گیری را کسب کند.

    مهم ترین مزایای یادگیری عمیق عبارت اند از:

    • یادگیری خودکار ویژگی ها
    • یادگیری چند لایه ویژگی ها
    • دقت بالا در نتایج
    • قدرت تعمیم بالا و شناسایی داده های جدید
    • پشتیبانی گسترده سخت افزاری و نرم افزاری
    • پتانسیل ایجاد قابلیت ها و کاربردهای بیشتر در آینده

    در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. از سال ۲۰۱۲ 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 ۲۱ خطا در ۱۰,۰۰۰تصویر) و تصاویر طبیعی CIFAR (با خطای کمتر از ۵%) نیز به مدل های شبکه عصبی عمیق تعلق دارد. از سال ۲۰۱۲ 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.

    با این که یادگیری عمیق در سال های ابتدایی توسعه خود قرار دارد، اما روند تحقیقات، مقالات و سرمایه گذاری های شرکت های بزرگ در این حوزه، نشان دهنده گسترش روزافزون کاربردهای یادگیری عمیق است. یادگیری عمیق تا کنون در کاربردهای گوناگون داده کاوی، پردازش تصویر و صدا، رباتیک و پزشکی مورد استفاده قرار گرفته است. طبق پیش بینی های مراکز علمی، در سال های آینده، بسیاری از تحقیقات، کاربردها و مشاغل موفق، به طور مستقیم یا غیر مستقیم از یادگیری عمیق بهره خواهند برد.

    در این آموزش ویدئویی، علاوه بر آشنایی با مبانی تئوری یادگیری عمیق و تکنیک ها و مدل های مختلف آموزش شبکه های عصبی عمیق، قادر خواهید بود تا در عمل نیز به طراحی، پیاده سازی و آموزش این شبکه ها بپردازید. در این آموزش هم به کاربردهای آکادمیک و تحقیقاتی و هم به کاربردهای عملی یادگیری عمیق توجه شده است. در این آموزش، تمرکز بر روی محبوب ترین مدل و کاربرد یادگیری عمیق یعنی مدل شبکه عصبی کانولوشنی با کاربرد در بینایی ماشین و پردازش تصویر خواهد بود.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: مقدمه و معرفی یادگیری عمیق (Deep learning)
      • معرفی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
      • تاریخچه یادگیری عمیق
      • کاربردهای یادگیری عمیق
      • مزایا و چالش های یادگیری عمیق
    • درس دوم: روش ها و مدل های یادگیری عمیق
      • معرفی مدل های یادگیری عمیق
      • یادگیری بدون نظارت (Unsupervised)
      • مدل های خود رمزنگار (Auto Encoder)
      • مدل های شبکه عصبی عمیق مولد (Generative adversarial network)
      • یادگیری با نظارت (Supervised)
      • مدل های شبکه عصبی کانولوشنی (Convolutional neural network)
      • مدل های شبکه عصبی بازگشتی (Recurrent neural network)
    • درس سوم: جزئیات شبکه های عصبی کانولوشنی
      • لایه های کانولوشن
      • لایه های کاهش اندازه
      • مدل های برتر شبکه های عصبی کانولوشنی
    • درس چهارم: نحوه آموزش شبکه های عصبی
      • آماده سازی داده های آموزش
      • انتخاب معماری مناسب شبکه
      • الگوریتم های آموزش و بهینه سازی
      • تکنیک های تنظیم و بهبود روند آموزش
      • تکنیک Batch Normalization
      • تکنیک Dropout
      • تکنیک انتقال یادگیری (Transfer Learning)
    • درس پنجم: سخت افزارها، نرم افزارها و برنامه نویسی یادگیری عمیق (با پایتون)
      • معرفی سخت افزارهای مناسب برای پیاده سازی ایده های یادگیری عمیق
      • معرفی نرم افزارها و کتابخانه های برنامه نویسی حوزه یادگیری عمیق
      • نحوه راه اندازی بسترهای کدنویسی پایتون، Keras و TensorFlow در ویندوز
      • مثال های برنامه نویسی در کتابخانه Keras به زبان پایتون

    نرم افزارهای مرتبط با آموزش

    نرم افزار Anaconda ورژن 4.2.0 در درس پنجم برای راه اندازی بسترهای برنامه نویسی به زبان پایتون استفاده شده است.

    پیش نیاز

    پیش نمایش

    پیش نمایش ۱ : مقدمه و معرفی یادگیری عمیق (Deep learning) - ۸ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۸ مگابایت (کلیک کنید +)


    پیش نمایش ۲ : روش ها و مدل های یادگیری عمیق - ۱۱ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۲ مگابایت (کلیک کنید +)


    پیش نمایش ۳ : جزئیات شبکه های عصبی کانولوشنی - ۶ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۴ : نحوه آموزش شبکه های عصبی - ۱۰ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۵ : سخت افزارها، نرم افزارها و برنامه نویسی یادگیری عمیق (پایتون) - ۱۶ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    اطلاعات تکمیلی

    نام آموزش آموزش یادگیری عمیق (Deep learning)
    ناشر فرادرس
    کد آموزش FVML9511
    مدت زمان ۲ ساعت و ۵۵ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۲۱۸ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)


    ​راهنمای تهیه آموزشها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۸۸۳۱۲۲۷۶ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش یادگیری عمیق (Deep learning)

    هزینه آموزش: ۱۶,۰۰۰ تومان




    مطالب مرتبط


    دیدگاه ها

    تا کنون ۳۲۳ نفراز این آموزش استفاده کرده اند.
    1. 0 از 5

      :

      با سلام
      فوق العاده عالی بود. امتیاز ۱۰۰


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش یادگیری عمیق (Deep learning)

هزینه آموزش: ۱۶,۰۰۰ تومان



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,




فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.

Please leave this field empty.

تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان