×
۲۱,۰۰۰ تومان ۱۲,۶۰۰ تومان

آموزش یادگیری انتقال (Transfer Learning)

آموزش یادگیری انتقال (Transfer Learning)

تعداد دانشجو
۵۶۵ نفر
مدت زمان
۳ ساعت و ۴۳ دقیقه
هزینه عادی آموزش
۲۱,۰۰۰ تومان
در طرح تخفیف
۱۲,۶۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۴ بازخورد (مشاهده نظرات)
آموزش یادگیری انتقال (Transfer Learning)

در این فرادرس، ضمن بیان کلیات ساختار روش های انتقال یادگیری، یک طبقه بندی مرجع در بررسی تکنیک های مختلف یادگیری انتقال نیز معرفی می شود. در ادامه بحث، مرور کاملی از کاربردهای یادگیری انتقال برای مسائل پایه ای نظیر رده بندی (Classification)، رگرسیون و خوشه بندی (Clustering) انجام می شود، همچنین به منظور ایجاد امکان استفاده از این تکنیک ها، معرفی کلی در خصوص برخی از ابزارهای متن باز موجود در زمینه یادگیری انتقال و مجموعه های داده محک استاندارد نیز صورت خواهد گرفت. بخش انتهایی این آموزش به بررسی برخی نمونه های استفاده از روش های یادگیری انتقال در حل مسائل کاربردی، اختصاص یافته است.

آموزش یادگیری انتقال (Transfer Learning)

مدت زمان
۳ ساعت و ۴۳ دقیقه
هزینه عادی آموزش
۲۱,۰۰۰ تومان
در طرح تخفیف
۱۲,۶۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۴ بازخورد (مشاهده نظرات)
مدرس
دکتر امیر حسین کیهانی پور

دکتری تخصصی مهندسی کامپیوتر - هوش مصنوعی

دکتر امیر حسین کیهانی پور فارغ التحصیل دکترای تخصصی در رشته مهندسی کامپیوتر گرایش هوش مصنوعی از دانشگاه تهران و نیز مدرس دانشگاه تهران و دانشگاه صنعتی شریف هستند.
تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود. (توضیحات بیشتر +)

توضیحات تکمیلی

یکی از پیش فرض های مهم در اغلب الگوریتم های یادگیری ماشین و داده کاوی این است که مجموعه داده های آموزش و آزمون، بایستی در فضای ویژگی های کسانی قرار گرفته باشند و علاوه بر آن، از توزیع احتمالی مشابهی برخوردار باشند. با تغییر توزیع داده ها، اغلب الگوریتم های آماری بایستی مدل های قبلی را براساس مشخصات داده های جدید، باز تولید کنند، ضمن این که اصولا در بسیاری از کاربردهای دنیای واقعی، جمع آوری داده های آموزش جدید و تولید مدل بر پایه آن ها یا بسیار دشوار و هزینه بر است یا به کلی غیر ممکن است، در چنین شرایطی روش های یادگیری انتقال (Transfer Learning) یا انتقال دانش (Knowledge Transfer) می توانند برای تبادل مدل های قبلی به دامنه های کاری جدید، مورد استفاده قرار گیرند.

در این فرادرس، ضمن بیان کلیات ساختار روش های انتقال یادگیری، یک طبقه بندی مرجع در بررسی تکنیک های مختلف یادگیری انتقال نیز معرفی می شود. در ادامه بحث، مرور کاملی از کاربردهای یادگیری انتقال برای مسائل پایه ای نظیر رده بندی (Classification)، رگرسیون و خوشه بندی (Clustering) انجام می شود، همچنین به منظور ایجاد امکان استفاده از این تکنیک ها، معرفی کلی در خصوص برخی از ابزارهای متن باز موجود در زمینه یادگیری انتقال و مجموعه های داده محک استاندارد نیز صورت خواهد گرفت. بخش انتهایی این آموزش به بررسی برخی نمونه های استفاده از روش های یادگیری انتقال در حل مسائل کاربردی، اختصاص یافته است.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: کلیات و آشنایی با یادگیری انتقال
  • درس دوم: روش های یادگیری انتقال
    • استقرایی
    • ترارسانی
    • بدون نظارت
  • درس سوم: محدودیت های یادگیری انتقال و انتقال منفی (Negative transfer)
  • درس چهارم: کاربردهای یادگیری انتقال

مفید برای رشته های
  • مهندسی کامپیوتر
  • فناوری اطلاعات (IT)

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

۱. کلیات و آشنایی با یادگیری انتقال (الف)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۰ مگابایت -- (کلیک کنید +))

۲. کلیات و آشنایی با یادگیری انتقال (ب)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۲ مگابایت -- (کلیک کنید +))

۳. روش های یادگیری انتقال - استقرایی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۱ مگابایت -- (کلیک کنید +))

۴. روش های یادگیری انتقال - ترارسانی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. روش های یادگیری انتقال - بدون نظارت
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. محدودیت های یادگیری انتقال و انتقال منفی (Negative transfer)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. کاربردهای یادگیری انتقال
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
این آموزش شامل ۷ جلسه ویدئویی با مجموع ۳ ساعت و ۴۳ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

راهنمای سفارش 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 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 یادگیری انتقال (Transfer Learning)
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۶۴۷۵۳ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVML96061
مدت زمان ۳ ساعت و ۴۳ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۱۷۵ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)




نظرات

تا کنون ۵۶۵ نفر از این آموزش استفاده کرده اند و ۴ نظر ثبت شده است.
آرزو
آرزو

قشنگ بود. به نظرم خوب و کامل بود. ایده هایی که می داد خوب بود.

هانیه
هانیه

من دو سه ساله از آموزش های فرادرس استفاده می کنم و برای موضوعاتی که خواستم عالی بوده. در خصوص این عنوان هم تونستم موضوعی که میخواستم رو پیاده سازی کنم.

مهدی
مهدی

با تشکر از فرادرس و مدرس محترم. باید عرض کنم که دکتر کیهانی پور بسیار عالی مطلب رو تدریس کردن. از گوش دادن به مطالب مطرح شده در این آموزش، بسیار لذت بردم.

لیلا
لیلا

مدتها منتظر تهیه و دریافت این آموزش بودم. ممنون از توجه شما به مباحث به روز و جدید. لطفا از مدرسینی مثل دکتر کیهانی پور که صاحب نظر در حوزه‌های علمی جدید هستند، بیشتر استفاده شود.

برچسب‌ها:
Classification | Clustering | Cross Domain Activity Recognition | Cross-Language Information Retrieval | Feature Transfer | Inductive Transfer | Inductive Transfer Learning | Knowledge Transfer | Machine Learning | Negative Transfer | Self-taught | Transductive Transfer Learning | Transfer Learning | Unsupervised Transfer Learning | الگوریتم Self Taught | الگوریتم خوشه بندی | انتقال استقرایی | انتقال منفی | انتقال ویژگی | تحلیل یادگیری انتقال | روش های یادگیری انتقال | کاربردهای یادگیری انتقال | محدودیت های یادگیری انتقال | یادگیری انتقال | یادگیری انتقال استقرایی | یادگیری انتقال بدون نظارت | یادگیری انتقال ترارسانی
مشاهده بیشتر مشاهده کمتر

فهرست جلسات ۷ جلسه ویدئویی ×