مجموعه آموزش های کاربردی شبکه های عصبی مصنوعی

درباره ناشر

فرادرس
فرادرس

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

درباره مدرس

دکتر اسماعیل آتشپز گرگری
دکتر اسماعیل آتشپز گرگری

عضو هیأت دانشگاه National - ایالات متحده آمریکا

دکترای تخصصی مهندسی برق


دکتر اسماعیل آتشپز گرگری یکی از بنیانگذاران و مدیران کنونی فرادرس و از اعضای هیأت علمی آن است. ایشان دانش آموخته دکتری دانشگاه Texas A&M بوده و سابقه همکاری با مراکز طراز اول بیوانفورماتیک و پردازش سیگنالهای ژنومیک و کار در لبه علم و تکنولوژی این حوزه را دارند. ایشان در حال حاضر به عنوان عضو هیات علمی در دانشگاه National در ایالات متحده آمریکا به تدریس و پژوهش مشغول می باشند. (+)



مجموعه فرادرس های شبکه عصبی ، شامل پنج فرادرس در زمینه شبکه های عصبی مصنوعی و کاربردهای آنها، حتماً یکی از بهترین انتخاب های علمی شما برای ورود به این حوزه علمی خواهد بود.

👤 مدرس: دکتر اسماعیل آتشپز گرگری
🕓 مدت زمان: ۸ ساعت و ۴۰ دقیقه
🎓 تعداد دانشجو: ۱۳۸۰ نفر این آموزش را تهیه کرده اند. — ۱۱ نفر در دو هفته اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۲۳,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
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

    مجموعه فرادرس های شبکه عصبی، شامل پنج فرادرس در زمینه شبکه های عصبی مصنوعی و کاربردهای آنها، حتماً یکی از بهترین انتخاب های علمی شما برای ورود به این حوزه علمی خواهد بود. این مجموعه فرادرس شامل فیلم های آموزشی با مجموع ۸ ساعت و ۴۰ دقیقه آموزش در این زمینه می باشد.

     

    درس یکم: پیش بینی سریهای زمانی  با استفاده از شبکه های عصبی

    دانستن دمای هوای در یک ماه آینده، آنقدر دم دستی و روزانه شده است که ما فراموش می کنیم که چه پروسه های علمی در پس زمینه این موضوع روزمره در حال اجرا هستند. اما در مقابل، اگر می دانستید قیمت دلار و ارزهای دیگر، یک ماه دیگر و حتی همین فردا چقدر خواهد بود، شما نیز می توانستید تصمیم هایی را بگیرید که فقط آینده و زمان می تواند آنها را بگیرند! پروسه پیش بینی آینده از روی اطلاعات گذشته در هر دوی این مسئله ها، ساختار مشابهی دارد.

    آینده در هر حوزه ای، در دست آنهایی است که نگاهی رو به جلو در محور زمان دارند. فیلم آموزش عملی پیش بینی سریهای زمانی با استفاده از شبکه های عصبی، این نگاه رو به جلو در زمان را به صورت علمی و به ساده ترین شیوه بیان بر مبنای تجربه بالای کادر علمی سایت، به شما آموزش می دهد. با استفاده از این محصول آموزشی ناب، مثلاً می توانید با دسترسی به داده های هواشناسی چند سال اخیر، میزان بارندگی را در سال آینده پیش بینی کنید. یا مثلاً اگر مدیر یک پروژه نیروگاهی هستید، باید پیش بینی مناسبی از میزان مصرف برق ایران در ۴ سال آینده داشته باشید. تنها مشکل شما شاید در این راه این باشد، که پایه های علمی لازم در این کار را نداشته باشید، که در این صورت مخاطب اصلی این محصول هستید، زیرا که در این فیلم آموزشی، شبکه های عصبی نیز به زبان ساده و تا حدی که نیاز عملی شما را برطرف کند، به شما آموزش داده می شود.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در درس یکم در ادامه آمده است:
    • مقدمه، اهداف و اهمیت مسئله
    • مروری بر شبکه های عصبی (پرسپترون چند لایه)
      • دلیل استفاده و خاستگاه شبکه های عصبی
      • ساختار شبکه عصبی پرسپترون چند لایه و یادگیری
    • مروری بر پیش بینی سریهای زمانی توسط شبکه عصبی
      • ابتدا به موضوع پیش بینی سری زمانی اشاره می شود و سپس ارتباط آن با شبکه عصبی مورد بررسی قرار می گیرد.
    • پیاده سازی شبکه عصبی برای پیش بینی سری زمانی
      • آماده سازی دیتاها برای اهداف پیش بینی
      • نرمایزه کردن داده ها
      • جداسازی دیتاهای آموزش و تست
      • تعیین ساختار شبکه
      • آموزش شبکه
      • بررسی و آنالیز نتایج شبیه سازی
    • انتهای بحث و پیشنهاد برای کارهای آینده

     

    درس دوم: بازشناسی الگو با استفاده از شبکه های عصبی

    تلفن هوشمند آیفون سیری می تواند حرفهای کاربرش را تشخیص دهد. دوربین های تشخیص پلاک خودرو را هم حتماً دیده اید. یا نه حتماً با سیستم هوشمند تشخیص هویت مبتنی بر عنبیه چشم افراد در فرودگاهها آشنا هستید. بخش اصلی این سیستم ها، استفاده از روشهای پیشرفته بازشناسی الگو می باشد. اگر می خواهید شما نیز استارت یک کار علمی و آموزشی برای پیاده سازی چنین سیستم هایی را بزنید، چند قدم با هدف خود فاصله دارید. تنها مشکل موجود در این راه، پیچیدگی تئوریک و عملی و پیاده سازی این حوزه از هوش مصنوعی می باشد که اتفاقاً “فیلم آموزش عملی طبقه بندی و بازشناسی الگو با استفاده از شبکه های عصبی” برای حل این مشکل شما توسط فرادرس تولید شده است. ولی شاید شما مشکل بزرگتری نیز داشته باشید و آن هم عدم آشنایی با شبکه های عصبی باشد. اما اگر شما نیز این مشکل را داشته باشید، باید خود را جزو مخاطبین اصلی این محصول ارزشمند آموزشی بدانید. در این فیلم آموزشی به ساده ترین زبان ممکن می توانید با چرایی و دلیل استفاده و همچنین ساختار شبکه های عصبی آشنا شوید و در ادامه ببینید که چگونه می توان از آن در سیستم های هوشمند طبقه بندی و بازشناسی الگو استفاده کرد.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در درس دوم در ادامه آمده است:
    • مقدمه، اهداف و اهمیت مسئله
    • مروری بر شبکه های عصبی (پرسپترون چند لایه)
      • دلیل استفاده و خاستگاه شبکه های عصبی
      • ساختار شبکه عصبی پرسپترون چند لایه و یادگیری
    • مروری بر طبقه بندی و بازشناسی الگو توسط شبکه عصبی
      • ابتدا به موضوع بر طبقه بندی و بازشناسی الگو اشاره می شود و سپس ارتباط آن با شبکه عصبی مورد بررسی قرار می گیرد.
    • پیاده سازی شبکه عصبی برای بر طبقه بندی و بازشناسی الگو
      • آماده سازه دیتاها برای اهداف پیش بینی
      • نرمایزه کردن داده ها
      • جداسازی دیتاهای آموزش و تست
      • تعیین ساختار شبکه
      • آموزش شبکه
      • بررسی و آنالیز نتایج
    • انتهای بحث و پیشنهاد برای کارهای آینده

     

    درس سوم: ترکیب شبکه عصبی و الگوریتم ژنتیک

    آموزش عملی ترکیب شبکه عصبی و الگوریتم ژنتیک (به فارسی) محصول جدیدی از فرادرس می باشد که در جهت پر کردن خلأ علمی و آموزشی دانشجویان و پژوهشگران و مخاطبین سایت عرضه می شود. این فیلم آموزشی عالی ترین و به روز ترین سطح مطالب مرتبط با شبکه عصبی و الگوریتم ژنتیک را به ساده ترین زبان بر مبنای سالها تجربه آموزشی و پژوهشی کادر علمی سایت، در اختیار پژوهشگران و مشتاقان این حوزه علمی قرار می دهد. مهم ترین ویژگی این مجموعه، سادگی بیان و شیوه نگرش منحصر به فرد و فارغ از پیچیدگی آن به موضوع شبکه های عصبی و الگوریتم های ژنتیک می باشد. به گونه ای که فرد مبتدی و بدون دانش در این حوزه ها نیز می تواند از این فرصت ناب آموزشی بهره مند شود. پرداختن به موضوع به صورت عملی و آموزش برنامه نویسی عملی نیز دیگر ویژگی مهم این بسته آموزشی می باشد.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در درس سوم در ادامه آمده است:
    • مقدمه، اهداف و اهمیت مسئله
    • مروری بر شبکه های عصبی (پرسپترون چند لایه)
      • دلیل استفاده و خاستگاه شبکه های عصبی
      • ساختار شبکه عصبی پرسپترون چند لایه و یادگیری
    • مروری بر الگوریتم ژنتیک – GA
    • برنامه نویسی و آماده سازی شبکه عصبی برای اتصال به الگوریتم ژنتیک – GA
      • نوشتن یک برنامه شبکه عصبی ساده
      • آماده سازه دیتاها
      • نرمایزه کردن داده ها
      • جداسازی دیتاهای آموزش و تست
      • تعیین ساختار شبکه
      • آموزش شبکه
      • بررسی و آنالیز نتایج
    • ایجاد تغییرات در برنامه آماده الگوریتم ژنتیک برای اتصال آن به شبکه عصبی
    • اجرای برنامه و بررسی نتایج
    • انتهای بحث و پیشنهاد برای کارهای آینده

     

    درس چهارم: ترکیب شبکه عصبی و الگوریتم ازدحام ذرات PSO

    اگر به حوزه شبکه های عصبی مصنوعی علاقه مند هستید و تمایل دارید، نحوه ترکیب آن با یکی از موفق ترین الگوریتم های بهینه سازی را به زبان ساده و به صورت عملی یاد بگیرید، در حال خواندن مناسبت ترین مطلبی هستید که در این لحظه می توانستید مطالعه نمایید. فیلم آموزش ترکیب شبکه عصبی و الگوریتم ازدحام ذرات PSO (به فارسی)، یک محصول آموزشی ناب و در بالاترین حد استاندارد آموزشی می باشد که در پاسخ به نیازهای روزافزون آموزشی دانشجویان و پژوهشگران به فراگیری بخش های مختلف هوش مصنوعی به صورت انحصاری به مخاطبین محترم فرادرس عرضه می شود. ایده ترکیب شبکه های عصبی با الگوریتم ازدحام ذرات PSO، بسیار کارا، ساده و نیز مهم می باشد. همانگونه که می دانید (و یا اگر نمی دانید به زودی در این فیلم به ساده ترین و کامل ترین زبان، فراخواهید گرفت)، آموزش شبکه های عصبی در نهایت به یک مسئله بهینه سازی ختم می شود. اینجاست که الگوریتم ازدحام ذرات PSO، به عنوان یک روش کارامد، وارد بازی می شود و می تواند به ما در یادگیری و تعیین وزن‌های شبکه عصبی کمک کند. اینکه این کار از صفر تا صد به چه صورتی انجام می شود را می توانید در کمتر از سه ساعت به صورت عملی یاد گرفته و مثال آموزشی حل شده با آن را به صورت قدم به قدم دنبال نمایید.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در درس چهارم در ادامه آمده است:
    • مقدمه، اهداف و اهمیت مسئله
    • مروری بر شبکه های عصبی (پرسپترون چند لایه)
      • دلیل استفاده و خاستگاه شبکه های عصبی
      • ساختار شبکه عصبی پرسپترون چند لایه و یادگیری
    • مروری بر الگوریتم ازدحام ذرات – PSO
    • برنامه نویسی و آماده سازی شبکه عصبی برای اتصال به الگوریتم ازدحام ذرات – PSO
      • نوشتن یک برنامه شبکه عصبی ساده
      • آماده سازه دیتاها
      • نرمایزه کردن داده ها
      • جداسازی دیتاهای آموزش و تست
      • تعیین ساختار شبکه
      • آموزش شبکه
      • بررسی و آنالیز نتایج
    • ایجاد تغییرات در برنامه آماده الگوریتم ازدحام ذرات برای اتصال آن به شبکه عصبی
    • اجرای برنامه و بررسی نتایج
    • انتهای بحث و پیشنهاد برای کارهای آینده

     

    درس پنجم: ترکیب شبکه عصبی و الگوریتم رقابت استعماری ICA

    بر خلاف سالهای اولیه پیدایش، این روزها دیگر الگوریتم رقابت استعماری، نیاز به معرفی ندارد و عنوان آن به تنهایی به عنوان نماد یکی از جذاب ترین، کاراترین، به روزترین و پراستفاده ترین الگوریتم های بهینه سازی هوشمند مطرح است. همین به تنهایی کافی است تا فرادرس، به عنوان یک اولویت آموزشی، فیلم آموزش عملی ترکیب شبکه عصبی و الگوریتم رقابت استعماری (ICA) را در عالی ترین کیفیت آموزشی و فنی تهیه کرده و در اختیار مخاطبین سایت قرار دهد. در این فیلم آموزشی، پایه های اصلی شبکه های عصبی و الگوریتم رقابت استعماری به ساده ترین و علمی ترین زبان آموزش داده شده اند. اگر با شبکه های عصبی مصنوعی آشنایی ندارید، این محصول به خاطر نگرش ویژه و ساده اش به این حوزه، برای همیشه دیدگاه شما را نسبت به این حوزه تغییر خواهد داد. اگر هم با شبکه های عصبی و الگوریتم رقابت آشنا هستید، ترکیب این دو حوزه و روش با هم، شاید ادامه مسیر پژوهشی حال حاضر شما باشد. این محصول آموزشی و علمی ناب، دریچه ورود شما به حوزه محاسبات تکاملی و شبکه های عصبی خواهد بود. صرف حدود دو ساعت زمان برای آموزش این حوزه علمی در ساده ترین زبان بیان، پرصرفه ترین سرمایه گذاری زمانی شما خواهد بود.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در درس پنجم در ادامه آمده است:
    • مقدمه، اهداف و اهمیت مسئله
    • مروری بر شبکه های عصبی (پرسپترون چند لایه)
      • دلیل استفاده و خاستگاه شبکه های عصبی
      • ساختار شبکه عصبی پرسپترون چند لایه و یادگیری
    • مروری بر الگوریتم رقابت استعماری – ICA
    • برنامه نویسی و آماده سازی شبکه عصبی برای اتصال به الگوریتم رقابت استعماری – ICA
      • نوشتن یک برنامه شبکه عصبی ساده
      • آماده سازه دیتاها
      • نرمایزه کردن داده ها
      • جداسازی دیتاهای آموزش و تست
      • تعیین ساختار شبکه
      • آموزش شبکه
      • بررسی و آنالیز نتایج
    • ایجاد تغییرات در برنامه آماده الگوریتم رقابت استعماری برای اتصال آن به شبکه عصبی
    • اجرای برنامه و بررسی نتایج
    • انتهای بحث و پیشنهاد برای کارهای آینده

    پیش نمایش

    پیش نمایش ۱ : فرادرس عملی پیش بینی سریهای زمانی با استفاده از شبکه های عصبی

    مشاهده آنلاین پیش نمایش - ۲۷ 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 کل دانلود ۱۱۸ مگابایت

    دانلود مستقیم بخش ۱ - حجم دانلود ۵۹ مگابایت (کلیک کنید +)

    دانلود مستقیم بخش ۲ - حجم دانلود ۵۹ مگابایت (کلیک کنید +)

    راهنمای دانلود: لطفاً همه بخش ها را ابتدا به صورت کامل در یک فولدر دانلود کنید و کنار هم قرار دهید و سپس روی یکی از آنها کلیک راست کرده و extract نمایید. راهنمایی های بیشتر را در این لینک (+) ببینید.


    پیش نمایش ۲ : فرادرس عملی طبقه‌بندی و بازشناسی الگو با استفاده از شبکه‌های عصبی

    مشاهده آنلاین پیش نمایش - ۲۱ 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 ۹۳ مگابایت (کلیک کنید +)


    پیش نمایش ۳ : فرادرس عملی ترکیب شبکه عصبی و الگوریتم ژنتیک

    مشاهده آنلاین پیش نمایش - ۲۴ دقیقه


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

    اگر حساب کاربری دارید وارد شوید(+) و در غیر این صورت، ثبت نام کنید(+).

    پیش نمایش ۴ : فرادرس عملی ترکیب شبکه عصبی و الگوریتم ازدحام ذرات PSO

    مشاهده آنلاین پیش نمایش - ۲۴ دقیقه


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

    اگر حساب کاربری دارید وارد شوید(+) و در غیر این صورت، ثبت نام کنید(+).

    پیش نمایش ۵ : فرادرس عملی ترکیب شبکه عصبی و الگوریتم رقابت استعماری ICA

    مشاهده آنلاین پیش نمایش - ۲۹ دقیقه


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

    اگر حساب کاربری دارید وارد شوید(+) و در غیر این صورت، ثبت نام کنید(+).


    اطلاعات تکمیلی

    نام آموزش مجموعه آموزش های کاربردی شبکه های عصبی مصنوعی
    ناشر فرادرس
    شناسه اثر ۸-۱۱۰۳۸-۰۴۳۰۶۷ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
    کد آموزش MVPNN9011
    مدت زمان ۸ ساعت و ۴۰ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۱۸۶۵ 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

    این آموزش را به کتابخانه دیجیتال خود، اضافه کنید

    مجموعه آموزش های کاربردی شبکه های عصبی مصنوعی

    هزینه آموزش: ۲۳,۰۰۰ تومان




    سایر آموزش های دکتر اسماعیل آتشپز گرگری



    مطالب مرتبط


    دیدگاه ها

    ( امتیاز ۴٫۷ از ۵ )
    4.7 از 5


    تا کنون ۱۳۸۰ نفراز این آموزش استفاده کرده اند و ۲۹ نظر ثبت شده است.
    1. 0 از 5

      :

      محصولات رو تهیه کردم
      دید اولیه وکاربردی مناسبی در رابطه با شبکه های عصبی بویژه نحوه پیاده سازی آنها در متلب می باشد
      متشکر

    2. 0 از 5

      :

      ممنون از اینکه تلاش جهت ارتقا سطح دانش عمومی به کمال رسوندید. ( یاشامالیسوز 😉 )

    3. 4 از 5

      :

      سلام. کیفیت این آموزش بسیار بالا بود. برایتان آرزوی پیشرفت دارم. لطفا بخشی برای پاسخ گویی به سوالات علمی در نظر بگیرید

    4. 5 از 5

      :

      محصول خیلی خوبی است
      به آدم احساس نشستن در سر کلاس های عالی علمی را می دهد

    5. 5 از 5

      :

      سلام،من اصلا با شبکه عصبی آشنایی ندارم
      آیا برای خرید این محصول پیش نیازی لازم هست؟؟؟؟

      • 0 از 5

        :

        در پاسخ به محمد:
        با سلام،
        دانش برنامه نویسی و اشنایی با چهارچوب برنامه نویسی برای این موضوع کفایت می کند ولی اگر با هیچ زبان برنامه نویسی آشنایی ندارید بهتر است آموزش متلب مقدماتی را تهیه نمایید.
        موفق و یپروز باشید.

    6. 5 از 5

      :

      بار عملی این آموزش عالی بود و همین طور نحوه کد گذاری و توضیح کدها و کدنویسی در متلب بسیار عالی بود.
      من از پردازش تصویر نیز استفاده کرده ام به نظرم در پردازش تصویر نیاز است آموزش پیشرفته ای نیز ارائه شود.

    7. 5 از 5

      :

      سلام و خسته نباشید.

      مطالبی که در این آموزش آقای آتش پز قرار تدریس کردند بسیار خوب بیان شده بود، مطالبی که در کتاب ها نمیتوانیم پیدا کنیم را در اینجا آموزش دادند و کارشون واقعا ستودنی هست.

    8. 2 از 5

      :

      به نظر من محصول کیفیت لازم را ندارد!
      قسمتهای زیادی از آموزشها مشترک هستند و فرق چندانی با هم ندارن(الگوریتم pso و ژنتیک و…)!
      خیلی از قسمتهایی که در این فیلم آموزش داده می شن در تولباکس شبکه ی عصبی هست نیازی به سخت کردن کار نیست!
      تابع دسته بندی و کد گزاری خروجی بسیار خوب بود.(عالی)
      داده هایب که روی اونا شبکه عصبی کار میکنه استاندارد نیستند بی مفهومند بهتر است ما داده ها را بشناسیم و بدونیم هدف چیه!(مثلا دسته بندی اعداد ۰-۹ با شبکه)

      • 0 از 5

        :

        در پاسخ به saeid_n4342:
        با سلام،
        با تشکر از شما به خاطر بیان نظرات و انتقاداتتان.
        اشتراک بخشهایی از این آموزش به دلیل ایجاد استقلال در قسمت های مختلف آن بوده است. به عبارت دیگر هدف این بوده است که فردی که مثلاً بخش «فرادرس عملی ترکیب شبکه عصبی و الگوریتم ازدحام ذرات PSO» را تهیه نموده است، به همان اندازه در مورد شبکه عصبی بداند که فرد دیگری بخش دیگری را مطالعه کرده است و نیاز نباشد دسته ای از آموزش های مجزا را برای رسیدن به هدف آموزشی مطالعه نماید.
        البته این کار باعث می شود که اگر فردی تمام بخش ها را تهیه کرده باشد، با چندین بخش که در مباحث مقدماتی با هم همپوشانی دارد مواجه باشد.
        در مورد وجود بخش هایی از موارد مرتبط با آموزش شبکه عصبی، همانگونه که در متن آموزش نیز اشاره شده است، به صورت عمدی از این موارد استفاده نشده است؛ تا جنبه آموزشی موضوع بالا باشد. در حقیقت در ایده آل ترین حالت، آموزش مناسب، باید به کد نویسی پایه شبکه عصبی می پرداخت و همین استفاده محدود از تولباکس شبکه عصبی، به دلیل کوتاه و خلاصه سازی آموزش بوده است.
        شبکه عصبی برای دسته ای از دانشجویان ابزاری صرفاً کاربردی است و برای این دسته صرفاً ساده بودن (و حتی استفاده از رابط های گرافیکی به جای استفاده از بخش کد نویسی تولباکس) بیشتر مطرح می باشد. اما توجه کنیم که در مقابل دسته دیگری هستند که برای آنها شبکه عصبی چیزی بیشتر از یک ابزار کاربردی می باشد و این دسته کار پژوهشی عمیق تری روی آن انجام می دهند. این دسته نیاز دارند که اگر توانستند، شبکه عصبی را خودشان کد نویسی کنند. اگر هم نشد، در استفاده از امکانات تولباکس شبکه عصبی، بیشترین تلاش را در جهت استفاده محدود و در حد نیاز از امکانات آماده داشته باشند و در کنار استفاده از تولباکس، خودشان مواردی را به مسیر پروژه اضافه کنند. این دسته شاید ترجیح دهند که به جای اینکه جداسازی داده های ارزیابی را به صورت خودکار به شبکه عصبی محول کنند، خودشان به صورت دستی این کار را انجام دهند یا مثلاً خودشان داده هایشان را نرمالیزه کنند. برای این دسته، انجام این کار، نه تنها یک کار اضافی نیست (چیزی که تولباکس هم داشته است)؛ که نیاز مرتبط با عمق پروژه شان می باشد.
        منتظر دیدار دوباره شما هستیم.
        موفق و پیروز باشید.

    9. 5 از 5

      :

      سلام.

      در زمینه شبکه های عصبی علاوه بر آموزش آقای آتش پز، آموزش آقای دکتر کلامی را نیز تهیه کرده ام. در هر دو آموزش بسیار عالی توضیح می دهند و ریز به ریز با جزئیات وارد بحث می شوند واقعا در ارتباط با این درس من هر چه یاد گرفتم از فرادرس بوده و کمال تشکر را از مجموعه فوق العاده عالی شما دارم.

    10. 4 از 5

      :

      سلام. این فیلم آموزشی با بیان ساده و گیرای مدرس پاسخ گوی نیاز بنده بود. برایتان آرزوی موفقیت دارم.

    11. 4 از 5

      :

      سلام و خسته نباشید، در این آموزش مفاهیم بسیار خوب ارائه شده بود. به نظرم می توانست تخصصی تر باشد و مثال های سخت تری تدریس شود.

    12. 5 از 5

      :

      سلام.

      من برای یادگیری شبکه های عصبی این آموزش را مشاهده کردم و همان طور که انتظار داشتم انتظاراتم را برآورده کرد و مخصوصا بخش تشریح و پیاده سازی عملی بسیار عالی است.

    13. 5 از 5

      :

      با سلام

      مدرس بسیار عالی توضیح داده بودند و فن بیانشون عالی بود و مخصوصا بخش کد نویسی بسیار عالی بود که خط به خط توضیح میدادند بسیار آموزنده بود.

    14. 1 از 5

      :

      با سلام

      من در زمینه شبکه عصبی، هیچ نمی دانم. لذا برای شروع کار نمی دانم که کدام بسته را انتخاب کنم. فرصت کمی هم دارم که در این زمینه اطلاعاتی بدست بیاورم. در صورت امکان راهنمایی فرمایید.

      • 0 از 5

        :

        در پاسخ به flyer.coming:
        همانطور که مطالعه نمودید، در لیست آموزش های فرادرس، دو بسته مربوط به شبکه عصبی وجود دارد.
        برای افرادی که هیچ آشنایی با شبکه عصبی ندارند و مایل هستند در این مبحث تسلط لازم پیدا کنند بسته آموزشی زیر پیشنهاد می شود:
        مجموعه فرادرس های شبکه‌های عصبی مصنوعی در متلب
        البته تهیه بسته فوق همراه با مجموعه فرادرس های کاربردی شبکه های عصبی مصنوعی مغایرتی ندارد و می توانند در راستای هم استفاده شوند.
        در نهایت تصمیم نهایی با مطالعه سرفصل ها انجام می پذیرد.
        از مکاتبه شما متشکریم.
        موفق و پیروز باشید.

    15. 4 از 5

      :

      آموزش مفید و گویایی بود.

    16. 4 از 5

      :

      با سلام. این آموزش را برای درس شبکه عصبی تهیه کردم. بهتر است در شبکه عصبی به ماشین ویژن و سیگنال پروسسینگ نیز اشاره شود

    17. 5 از 5

      :

      مطالب بسیار روان گفته شده بود و مثال هایی که آورده شده بود بسیار عالی بود.

    18. 5 از 5

      :

      در این آموزش استاد به خوبی از یک مبحث ساده وارد موضوع شدن و بعد موضوع رو باز کردن بدون اینکه به پیش نیاز احتیاج داشته باشیم میتونیم یادبگیریم. کاربردی و موثر بود.

    19. 5 از 5

      :

      سلام
      من میخوام پروژه تشخیص بیماری دیابت با استفاده ازشبکه های عصبی توی نرم افزار مطلب پیاده سازی کنم لطفا راهنماییم کنید،متشکرم

      • 0 از 5

        :

        در پاسخ majid:

        با سلام

        از مکاتبه شما متشکریم. بخش «طبقه بندی با استفاده از شبکه های عصبی مصنوعی» موجود در این آموزش برای شما مفید خواهد بود.همچنین، علاوه بر آموزش موجود در همین صفحه، آموزش زیر نیز در زمینه شبکه های عصبی مصنوعی و پیاده سازیشان در محیط متلب تهیه شده است.

        مجموعه فرادرس های شبکه‌های عصبی مصنوعی در متلب

        موفق باشید.

    20. 5 از 5

      :

      توضیحات و تدریس خیلی خوب بود. اگر در آخر آموزش تمریناتی را ارائه می کردند خیلی خوب می شد.

    21. 4 از 5

      :

      با سلام ابتدا بخاطر کیفیت خوب این آموزش از شما متشکرم.

      لطفا در آموزش های آتی نکات زیر را مد نظر قرار دهید:
      ۱- تعامل بیشتر با سازمان ها و شرکت در همایش های علمی
      ۲- ارائه محصول با در نظر گرفتن نیاز جامعه در بازار کار
      ۳- توضیح بیشتر در مورد مبحث تایم سری

    22. 5 از 5

      :

      عالی است. بسیار کاربردی و واضح بود. مثال هایی که مطرح می کردند در فایل های حاشیه ای وجود داشت. متشکرم.

    23. 5 از 5

      :

      نکات رو خیلی ریز به ریز توضیح میداد مطالب خوبی تونستم ازش بدست بیارم ساده و روان بود

    24. 4 از 5

      :

      سلام. از این آموزش برای انجام پایان نامه ام استفاده کردم. بخش تئوری عالی بود. موفق باشید

    25. 0 از 5

      :

      سلام. من دانشجو رشته کامپیوتر هستم و آشنایی با شبکه های عصبی ندارم
      میخواستم ببینم برای یادگیری این قسمت چه پیش نیازی لازمه؟

      • 0 از 5

        :

        در پاسخ انسیه:

        با سلام.
        این آموزش از پایه شروع شده است و نیازی به پیش نیاز خاصی ندارد.
        فقط در صورتی که با برنامه متلب آشنایی ندارید برای بخش های پیاده سازی، مجموعه فرادرس های برنامه نویسی متلب پیشنهاد می شود.

    26. 4 از 5

      :

      سلام. دیروز این بسته به دستم رسید. خیلی ممنون و متشکرم.
      ضمنا باید عرض کنم که زمان این مجموعه بیش از ۱۳ ساعت هست که به خطا ۸ ساعت نوشته شده است. بهتر هست که اصلاح کنید.

      • 0 از 5

        :

        در پاسخ کریمی:

        تشکر از بیان نظر تان. امیدواریم که همیشه شما را همراه با فرادرس داشته باشیم.

        این آموزش در ۵ بخش تهیه ارائه شده است که مجموع زمان آنها حدود ۱۳ ساعت می شود. اما با توجه به اینکه بخشی از مباحث مقدماتی مرتبط با هر بخش، در بخش ها تکرار شده اند تا در صورت تهیه مستقل زیربخش ها (بدون مطالعه بخش های دیگر)، مباحث مقدماتی در همه بخش ها باشند و مطالعه یک بخش وابسته به بخش دیگر نباشد.

        از سوی دیگر برای اینکه زمان نوشته شده در توضیحات، مرتبط با زمان خالص آموزش (بدون بخش های مقدماتی که در همه بخش ها آمده است) باشد، این زمان برابر با ۸ ساعت نوشته شده است.

        امیدواریم که آموزش های فرادرس برای شما مفید واقع شوند و همراهی شما را همیشه با خود داشته باشیم.

    27. 0 از 5

      :

      سلام.
      واقعا عالی بیان کردند ترکیبات شبکه عصبی با الگوریتم های مختلف رو.
      یکی از ایرادی که من به آموزش های شما دارم مثال هایی است که میآرید خوب منطقی است که اول یه مثال ساده بگید ولی مثالهای فرادرس در مورد شبکه های عصبی در چندین آموزش دیگه یکی است و همون رو دوباره میارید. مثالهایی کاربردی تری که جنبه عملی و کاربردی داشته باشند هم می تونید بیارید. یه موضوع دیگه اینکه آقای دکتر با اینکه از بنیانگذاران فرادرس هستند، فقط یکی دو آموزش رو ارائه داده اند و مثل اینکه دیگه نمی خوان آموزشی رو تهیه کنند. به هر حال امیدوارم حضور داشته باشند، چونکه مکمل دکتر کلامی هستند .

    28. 5 از 5

      :

      نقطه قوت این آموزش ترکیب کاربردی شبکه عصبی با الگوریتم های بهینه سازی هست و نقطه ضعف هم اینکه الگوریتم های استفاده شده(pso , ژنتیک) قابلیت جابجائی با الگوریتم های تدریس شده دکتر کلامی هریس را ندارد.
      کمال تشکر را از کلیه زحمت کشان این سایت مفید را دارم.
      موفق و سربلند باشید.

    29. 0 از 5

      :

      ممنون بابت فیلم های آموزشی بی نظیرتون. به نظر من نقاط قوت این مجموعه:
      ۱-ترکیب شبکه عصبی با الگوریتم های ابتکاری.
      ۲-بیان و تسلط استاد روی موضوع
      ۳-خلاصه گویی مطالب.
      اما برای بهتر شدن این مجموعه آموزشیتون من چند تا نظر دارم:
      ۱-اگر استاد آموزش را به چند بخش کلی تقسیم می کرد، مثلا بخش اول بیان کامل چند نمونه از شبکه های عصبی با جزئیات.
      بخش دوم آموزش کلی شبکه عصبی بدون جزئییات.
      بخش سوم آموزش کامل الگوریتم با یک مثال عملی به طور خلاصه
      و بخش آخر تلفیق این چند بخش، مجموعه جالب تری بوجود می آمد.
      ۲-اگر بشود این مجموعه آموزشی تخصصی تر به کاربرد شبکه عصبی در رشته های مختلف مثل برق بپردازه خیلی عالی می شد.
      ۳-انجام چند نمونه پروژه عملی در آموزش.
      ۴-تبلیغات شما در دانشگاه ها بسیار ضعیف است با توجه به کیفیت فوق العاده بالا شما خیلی از دانشجویان و استاد حاضر به خرید مجموعه آموزشی دارن که این خلا رو پر کنند.
      توصیه من به شما ایجاد یک شبکه فروش در کشور است. با تشکر ابوالفضل نجفی

    30. 1 از 5

      :

      متاسفانه داده ها واقعی نیستند، خیلی بهتر بود که رویکرد مروری حذف بشه وبخشی به شکل تخصصی بررسی بشه، مثلا برای هواشناسی، پیش بینی سالانه، بارندگی و دبی و پیش بینی روزانه، لزومی نداره چند حوزه مثل الگوریتم های هوش مصنوعی و عصبی باهم ترکیب بشوند اون هم برای تمامی موارد، چون اینها چیزهایی هستند که قبلا هم آموزش داده شده اند، و اگر خوب آموزش داده بشوند، بنظر من دیگه لزومی به ترکیب اونها نیست!
      اگر مثلا داده ها ملموس باشند، مثل میزان بارندگی، یا دبی (برخلاف گفته ایشون که اعتقاد دارند نوع داده زیاد مهم نیست)، خیلی راحت تر می شه از آموزش برای کاربرد استفاده کرد.

    31. 5 از 5

      :

      با سلام و خسته نباشید
      دوره آموزشی عالی و از نظر علمی بسیار کامل بود.
      به نظر می رسید که اگر استاد درس از مثال های کاربردی تر و داده های استانداردتر استفاده می کردند محتوای علمی و کاربردی دوره بالاتر می رفت. اما توضیح خط به خط کدهای متلب و همچنین بیان مفاهیم اولیه شبکه های عصبی به زبان ساده، یکی از نقاط قوت این مجموعه آموزشی می باشد که جای تشکر و قدردانی دارد.
      با تشکر فراوان

    32. 0 از 5

      :

      سلام .مطالب خیلی مفید واقع شد و البته مدرس طرز بیان جالبی داشتن.

    33. 0 از 5

      :

      با سلام خدمت شما.
      آموزش ها فوق العاده هستند. ممنون از زحماتتون، منتها مشکلی که هست، در مورد نوع دیتا و دیتا برداری صحبتی نشده، با توجه به پیچ های تنظیمی که خود برنامه داره، چطوری میشه مطمئن بود که الان تنظیمات برنامه درست هست ولی دیتا برداری درست نیست؟
      آیا برنامه های نوشته شده از قسمتی که الگوریتم های بهینه سازی مثل ژنتیک و فراابتکاری وارد برنامه شده برای سیستم های چند ورودی چند خروجی به خوبی کار می کند؟
      چون دیتای غیر خطی در متلب وجود دارد به نام load twotankdata، متاسفانه این سیستم را با هیچ کدام از آموزش ها نتوانستم به خوبی شناسایی کنم (هم آموزش های فازی و هم عصبی) جواب درستی نمی دهد،به خاطر همین فکر می کنم تنها راه حل استفاده از الگوریتم های بهینه سازی در برنامه های شبکه عصبی است، که متاسفانه باز هم جواب درستی نگرفتم، اگر لطف کنید و یه راهنمایی برای این دسته از دیتاها بکنید کمک بزرگی کردید. از لحاظ رسم رگرسیونم رسم جالبی نداره.
      با تشکر از شما

    34. 5 از 5

      :

      با سلام و خسته نباشید بابت زحماتتون.
      بعد از خوندن بسیاری از نظرات دیدم که خیلی از دوستان در یک زمینه اتفاق نظر دارند، اون هم بحث دیتا برداری است.
      اگر بیشتر در مورد این مسئله صحبت بشه و به نوعی راه حلی از طرف اساتید ارائه بشه تا این مشکلات نیز برطرف بشه، دیگه عالی میشه.
      بازم لازمه بابت همین آموزش ها تشکر کنم. این انتقادها برای بهبود آموزش های خوبتونه. چون ما هم می خواهیم شما پیشرفت کنین.
      با تشکر از شما.

    35. 0 از 5

      :

      سلام.

      من و دوستم هر دو این آموزش رو تهیه کردیم. بسیار خوب توضیح داده شده و از کلاس درسی که یک بار در کارشناسی و یک بار هم در کارشناسی ارشد داشتیم بسیار بهتر و مفیدتر بود.

      با تشکر

    36. 5 از 5

      :

      با سلام.

      ابتدا تشکر می کنم از تیم آموزشی فرادرس و جناب آقای دکتر آتشپز. این مجموعه واقعا عالی بود. در طول انجام پروژه ی پایان نامه ی ارشدم این مجموعه آموزشی رو تهیه کردم و این کار نه تنها باعث سهولت انجام پروژه به علت استفاده از نکات آموزشی این فرادرس شد، همچنین به علت مفهومی بودن روند آموزش، باعث شد ایده ی جدیدی در طول اجرای پایان نامه به ذهنم بیاد که در حال حاضر که از پایان نامه دفاع کرده ام بر روی آن جهت چاپ در ژورنال کار می کنم.

      ساده گویی مسایل و مفاهیم عمیق و جامع بودن این مجموعه در این فرادرس مثبت ترین ویژگی این فرادرس هست.

      پیشنهادی هم که دارم تولید مجموعه ی آموزش های کاربردی شبکه های عصبی مصنوعی در پردازش تصویر هست که با جست و جو در سایت متوجه شدم در این مورد کاری صورت نگرفته است.

      در پایان صمیمانه از جناب دکتر آتشپز به علت تولید این مجموعه ی فوق العاده تشکر می کنم.

    37. 5 از 5

      :

      یک آموزش جامع و کاربردی همراه با بیان خوب آقای دکتر آتش پز. درسنامه ای فوق العاده قابل فهم. مرسی از شما.

    38. 0 از 5

      :

      با عرض سلام و خسته نباشید.

      آموزش خوب و مناسب می باشند و استاد بسیار کار آزموده ای آن را آموزش می دهد.

      به صورت کلی می توان به جرات گفت از نظر کیفیت آموزشی از تمام مجموعه هایی که در این زمینه فعالیت می کنند جامع تر و کامل تر می باشد و آموزش هایی که به طور رایگان در اینترنت موجود است نشانه حسن نیت و کمک شما به آشنایی و نشر دانش می باشد.

    39. 0 از 5

      :

      سلام و خسته نباشین خدمت گروه عزیز فرادرس.

      واقعا ممنونم از زحماتتون. موضوع پایان نامه من پیش بینی بیماری کلیوی با استفاده از شبکه عصبی در متلب بودش. که من واقعا هییییچ گونه اشنایی با متلب و شبکه عصبی نداشتم و نمیدونستم چیکار کنم. تا اینکه با سایت شما اشنا شدم و این اموزش رو تهیه کردم و خیلی راحت تر از اونچه که فکرشو بکنم تونستم پایان ناممو بنویسم، اونم با نمره ی ۱۹/۷۵٫

      خیلیی خوشحالم واقعا. ممنون از زحماتتون. الان هم به دنبال اموزش طراحی وب هستم که میخوام از سایتتون تهیه کنم. فقط تنها ایرادی که میتونم بگیرم اینه که یک مقداری بیشتر استاد کد ها رو توضیح میدادن بهتر بود. البته این برای من که اصلا با برنامه نویسی اشنا نبودم ایراد محسوب میشه. بازم ممنون.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

مجموعه آموزش های کاربردی شبکه های عصبی مصنوعی

هزینه آموزش: ۲۳,۰۰۰ تومان



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 logo-samandehi پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان