در این آموزش، یکی از محبوبترین و پرکاربردترین علوم حوزه هوش مصنوعی، یعنی یادگیری عمیق (Deep Learning)، معرفی شده است. در حال حاضر، تقریبا در تمام كاربردهای هوش مصنوعی مبتنی بر پردازش تصویر، صوت و متن، مانند: تلفنهای همراه، سامانههای هوشمند اینترنتی، رباتیک و ماشینهای خودران، ردپای یادگیری عمیق دیده میشود. در این آموزش، علاوه بر تئوری مبانی یادگیری عمیق، تکنیکها و مدلهای مختلف و نحوه آموزش شبکههای عصبی عمیق، مثالهای عملی کار با مدلها و نحوه پیادهسازی بستر کدنویسی پایتون و تنسورفلو نیز ارائه خواهد شد.
آموزش مبانی یادگیری عمیق
توضیحات تکمیلی
در این آموزش، یکی از محبوبترین و پرکاربردترین علوم حوزه هوش مصنوعی، یعنی یادگیری عمیق (Deep Learning)، معرفی شده است. در حال حاضر، تقریبا در تمام كاربردهای هوش مصنوعی مبتنی بر پردازش تصویر، صوت و متن، مانند: تلفنهای همراه، سامانههای هوشمند اینترنتی، رباتیک و ماشینهای خودران، ردپای یادگیری عمیق دیده میشود. در این آموزش، علاوه بر تئوری مبانی یادگیری عمیق، تکنیکها و مدلهای مختلف و نحوه آموزش شبکههای عصبی عمیق، مثالهای عملی کار با مدلها و نحوه پیادهسازی بستر کدنویسی پایتون و تنسورفلو نیز ارائه خواهد شد.
بیشتر مباحث مطرح شده در این آموزش به طور خلاصه و در زمان كوتاه ولی در سطح مناسبی عنوان شده و در انتهای این آموزش، قادر خواهید بود تا با تسلط خوبی بر روی مباحث پایهای یادگیری عمیق، وارد مرحله بعدی یعنی آموزشهای کدنویسی و کار عملی در این حوزه شوید. رویکرد اصلی این آموزش، حوزه بینایی ماشین و پردازش تصویر است و مدلهای کانولوشنی که از محبوبترین مدلهای یادگیری عمیق هستند با جزئیات بیشتری بررسی خواهند شد.
مهمترین مزایای یادگیری عمیق عبارتاند از:
- یادگیری خودکار ویژگیها
- یادگیری چندلایه ویژگیها
- دقت بالا در نتایج
- قدرت تعمیم بالا و شناسایی دادههای جدید
- پشتیبانی گسترده سختافزاری و نرمافزاری
- پتانسیل ایجاد قابلیتها و کاربردهای بیشتر در آینده
فهرست سرفصلها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- فصل یکم: مقدمهای بر مبانی یادگیری عمیق
- درس یکم: مقدمه و معرفی هوش مصنوعی و یادگیری ماشین
- درس دوم: ساختار و عملکرد شبکههای عصبی
- درس سوم: مثال عملی کار با شبکه عصبی MLP
- درس چهارم: تاریخچه و وضعیت فعلی یادگیری عمیق
- فصل دوم: روشها و مدلهای یادگیری عمیق
- درس پنجم: روشهای آموزش در یادگیری عمیق
- درس ششم: کار عملی با مدل MLP
- درس هفتم: معرفی اولیه مدل CNN
- درس هشتم: معرفی مدل RNN
- درس نهم: معرفی مدلهای خودرمزنگار
- درس دهم: کار عملی با مدل خودرمزنگار
- درس یازدهم: معرفی مدل VAE
- درس دوازدهم: معرفی مدلهای GAN
- فصل سوم: مدلهای کانولوشنی (CNN)
- درس سیزدهم: معرفی لایههای کانولوشن
- درس چهاردهم: معرفی لایههای کاهش اندازه
- درس پانزدهم: نحوه نمایش مدلهای کانولوشنی
- درس شانزدهم: اجرای کد مدل MLP
- درس هفدهم: اجرای کد مدل CNN
- درس هجدهم: مدلهای کلاسبندی
- درس نوزدهم: مدلهای تشخیص اشیا و تشخیص چهره
- درس بیستم: مدلهای بخشبندی تصاویر
- فصل چهارم: آموزش مدلها
- درس بیستویکم: آمادهسازی دادهها
- درس بیستودوم: انتخاب یا طراحی معماری مدل
- درس بیستوسوم: توابع خطا و بهینهسازی
- درس بیستوچهارم: آموزش مدل به روش Back - Propagation
- درس بیستوپنجم: تکنیکهای Batch Normalization و Dropout به همراه مثال عملی
- درس بیستوششم: تکنیک Transfer Learning
- فصل پنجم: راهاندازی بستر کدنویسی پایتون (Python) و تنسورفلو (TensorFlow)
- درس بیستوهفتم: بررسی سختافزارها و نرمافزارهای مورد نیاز
- درس بیستوهشتم: راهاندازی بستر کدنویسی پایتون
- درس بیستونهم: راهاندازی بستر تنسورفلو
- درس سیام: راهاندازی محیط تنسورفلو برای اجرا بر روی GPU
- درس سیویکم: محیطهای کدنویسی پایتون
مفید برای
- مهندسی کامپیوتر - نرمافزار
- مهندسی فناوری اطلاعات (IT)
- هوش مصنوعی
- مهندسی برق
- مهندسی پزشکی
- مهندسی صنایع
پیش نیاز
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایشها










راهنمای سفارش آموزشها
در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
- با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
اطلاعات تکمیلی
نام آموزش | آموزش مبانی یادگیری عمیق |
---|---|
ناشر | فرادرس |
شناسه اثر | ۸–۱۲۴۵۲–۰۷۹۸۷۵ (ثبت شده در مرکز رسانههای دیجیتال وزارت ارشاد) |
کد آموزش | FVML9912 |
مدت زمان | ۵ ساعت و ۲۶ دقیقه |
زبان | فارسی |
نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
حجم دانلود | ۶۹۲ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ میشود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده میشود.
نظرات
خیلی آموزش خوبی بود
خلاصه و مفید شمای کلی موضوع رو ترسیم کردن و مقدمات رو به بهترین شکل ممکن توضیح دادند ... درضمن ایشون رفرنس های خیلی خوبی رو هم معرفی کردند که جذابترین بخش این آموزش خوب بود
با سلام خدمت مدرس محترم. آموزش ایشون فوق العاده س و با کمترین پیچیدگی مطالب رو توضیح دادن. به نظرم این دوره فوق العاده س. فرادرس از حضور این مدرس لطفا بیشتر استفاده کنید.
بسيار كاربردي و مفيد بود.واقعا ممنون
عالی
من بیشتر بسته به پروژه ای که داشتم فقط قسمت های لازمم رو مشاهده کردم که خیلی خوب بود. محتوا کاربردی بود.
من از سایت ها و آموزش های زیادی استفاده کردم که یکی شونم فرادرسه. کلا آموزشایی که در عین کامل گفتن مطالب، زمان رو خیلی طولانی نکردند، به نظرم نقطه قوتشون محسوب میشه. مختصر و مفید هست.
به نظرم خیلی خوب بودند و فن بیان خوبی داشتند، مباحث رو پوشش میداد و پروژه ای که در نظرم بود رو تونستم با این آموزش به پیش ببرم.
اگه مثل من با آموزش های مختلف گیج و سر در گم شدین و میخوایین مستقیم برین سر اصل مطلب و یادگیری عمیق رو بصورت کاملا کاربردی یاد بگیرین، توصیه میکنم فقط یه بار آموزش های استاد محققی رو ببینید
نمیخوام تعریف و تمجید الکی کنم
واقعا آموزش های ایشون بینظیره
ساده و روان میبردتون سر خونه اصلی که بتونین پروژتون رو پیاده کنین
خیلی ساده و روان و با تسلط کامل و مثال های کاربردی🙏🏻 ممنونم.
بسیار عالی بود مهندس عزیز بسیار استفاده کردیم و مطالب خوب اینقدر بود بنده خریدمش کلا بسیار عالی بودند