تعداد دانشجو
۶,۶۴۰ نفر
هزینه آموزش
۲۳,۰۰۰ تومان

آموزش برنامه نویسی یادگیری عمیق با پایتون (TensorFlow و Keras)

آموزش برنامه نویسی یادگیری عمیق با پایتون (TensorFlow و Keras)

تعداد دانشجو
۶,۶۴۰ نفر
مدت زمان
۲ ساعت و ۵۷ دقیقه
هزینه آموزش
۲۳,۰۰۰ تومان
محتوای این آموزش
۲۷ بازخورد (مشاهده نظرات)
آموزش برنامه نویسی یادگیری عمیق با پایتون (TensorFlow و Keras)

چکیده

در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. یکی از مهم ترین شاخه های مبحث یادگیری عمیق، بسترهای نرم افزاری و برنامه نویسی هستند که به منظور پیاده سازی و آموزش مدل ها به کار می روند. همچنین، فعالیت های زیادی در زمینه ایجاد بسترها و کتابخانه های نرم افزاری مخصوص یادگیری عمیق، توسط شرکت ها و دانشگاه های معتبر دنیا، انجام شده است؛ در میان این بسترها، با اطمینان می توان بستر TensorFlow شرکت گوگل به همراه کتابخانه Keras را پرکاربردترین و محبوب ترین و در عین حال، قدرتمندترین بستر نرم افزاری در این زمینه معرفی کرد. در این آموزش مطالب اصلی برای ایجاد و آموزش مدل های یادگیری عمیق در Keras آورده شده است.

مدرس
مهندس سعید محققی

دانشجوی دکتری تخصصی مهندسی پزشکی بیوالکتریک

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

چکیده آموزش


توضیحات تکمیلی

در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. یکی از مهم ترین شاخه های مبحث یادگیری عمیق، بسترهای نرم افزاری و برنامه نویسی هستند که به منظور پیاده سازی و آموزش مدل ها به کار می روند. همچنین، فعالیت های زیادی در زمینه ایجاد بسترها و کتابخانه های نرم افزاری مخصوص یادگیری عمیق، توسط شرکت ها و دانشگاه های معتبر دنیا، انجام شده است؛ در میان این بسترها، با اطمینان می توان بستر TensorFlow شرکت گوگل را پرکاربردترین و محبوب ترین و در عین حال، قدرتمندترین بستر نرم افزاری در این زمینه معرفی کرد. در میان زبان های برنامه نویسی نیز پرکاربردترین زبان برنامه نویسی در این حوزه، زبان Python است. البته به منظور سهولت بیشتر در کدنویسی، کتابخانه های نرم افزاری در سطوح بالاتر نیز ایجاد شده اند که بر پایه بسترهای نرم افزاری دیگر اجرا می شوند و واسطه ای برای کدنویسی راحت تر در این بسترها هستند. در این زمینه نیز پرکاربردترین کتابخانه سطح بالا که به طور رسمی توسط بستر TensorFlow گوگل پشتیبانی می شود، کتابخانه Keras است. در این فرادرس به آموزش عملی کدنویسی Python در کتابخانه Keras بر پایه بستر TensorFlow خواهیم پرداخت.

انگیزه و هدف اصلی از فراگیری مباحث یادگیری عمیق، پیاده سازی عملی ایده ها و کاربردهای آن است. در این زمینه، یادگیری و تمرین برنامه نویسی یادگیری عمیق، علاوه بر کمک به فراگیری بهتر این موضوع، اولین گام در مسیر پیاده سازی ایده ها و مدل ها و ایجاد محصولات هوشمند است. تنها بعد از اجرای عملی مفاهیم مختلف یک موضوع، می توان دیدگاه صحیح و تخمین درستی از مباحث مربوط به آن موضوع را داشت. از سوی متخصصان هوش مصنوعی و یادگیری ماشین پیشنهاد می شود که کار عملی در زمینه یادگیری عمیق را با زبان برنامه نویسی Python و با استفاده از کتابخانه Keras بر پایه بستر TensorFlow شروع کنید.

در پایان این فرادرس، علاوه بر آشنایی با مدل های مختلف یادگیری عمیق و تکنیک های مختلف آموزش شبکه های عصبی عمیق، قادر خواهید بود تا در عمل به طراحی، پیاده سازی و آموزش این شبکه ها بپردازید. در این دوره، تمرکز بر روی محبوب ترین بستر نرم افزاری و پرکاربردترین کتابخانه کدنویسی و رایج ترین مدل ها و داده ها در زمینه یادگیری عمیق خواهد بود.

 

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه و راه اندازی
    • راهنمای انتخاب کارت گرافیکی
    • نحوه راه اندازی بستر برنامه نویسی پایتون (Anaconda)
    • نحوه راه اندازی بستر نرم افزاری TensorFlow و کتابخانه Keras
    • نحوه راه اندازی TensorFlow برای اجرا بر روی GPU
  • درس دوم: کار با داده ها در Keras
    • معرفی منابع رسمی و مزایای Keras
    • نحوه بارگذاری دیتاست های معروف در Keras
    • آشنایی با ساختار و انواع داده ها و تنسورها
    • نحوه بارگذاری داده های شخصی در پایتون
    • نحوه تغییر اندازه و مشخصات داده ها
  • درس سوم: ایجاد و آموزش مدل در Keras
    • نحوه ایجاد یک مدل در Keras
    • انواع لایه ها و مدل ها در Keras
    • تنظیم پارامترهای مختلف آموزش
    • نحوه آموزش مدل های ایجاد شده
    • نحوه بررسی و نمایش نتایج آموزش
  • درس چهارم: تکنیک های مفید برنامه نویسی در Keras
    • نحوه ذخیره و نمایش ساختار مدل
    • نحوه ذخیره و بازیابی مدل آموزش دیده
    • نحوه محاسبه زمان آموزش
    • روش استفاده از Callback ها در Keras
    • Model Checkpoint ،CSVLogger ،Tensorboard

 

مفید برای رشته های
  • مهندسی کامپیوتر
  • هوش مصنوعی
  • مهندسی پزشکی
  • مهندسی برق
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Anaconda 3 V5



پیش نمایش‌ها

۱. مقدمه و راه اندازی

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: ۸ مگابایت -- (کلیک کنید +))

۲. کار با داده ها در Keras

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: ۲۰ مگابایت -- (کلیک کنید +))

۳. ایجاد و آموزش مدل در Keras
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۴. تکنیک مفید در Keras
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

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 برنامه نویسی یادگیری عمیق با پایتون (TensorFlow و Keras)
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۷۳۳۸۳ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVML96071
مدت زمان ۲ ساعت و ۵۷ دقیقه
زبان فارسی
نوع آموزش آموزش ویدیویی (لینک دانلود)
حجم دانلود ۴۷۸ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۶,۶۴۰ نفر از این آموزش استفاده کرده اند و ۲۷ نظر ثبت شده است.
arash
arash

سلام دوستان من در دوره متوسطه هستم و برای علاقه شخصی و تایم آزاد این آموزش تهیه کردم و از فرادرس ممنونم که این آموزش کامل با قیمت مناسب در اختیار دوستاران این علم گزاشته است
میشه گفت توی این آموزش به اندازه کافی پروژه عملی انجام شده و از اینکه زمان آموزش بجای تئوری پروژه عملی انجام میشه خوش حالم وبهتون توسییع میکنم قبل دیدن این ویدئو دانش در باره زبان پایتون شبکه های عصبی چند لایه ومبانی یاد گیری عمیق داشته باشید تا این آموزش درک کنید

بهنام
بهنام

سلام خیلی ممنون از بیان شیوا و مطالب کاربردی که ارايه فرمودید فقط اگر امکان پذیر بود برای شما که مباحث مربوط به راه اندازی کد ها روی gpu را اپدیت میکردید بسیار عالی میشد چون با اپدیت جدید برنامه و همچنین بستر tensorflowا امکان استفاده از GPU با توضیحات شما امکان پذیر نیست با تشکر

پوریا
پوریا

آموزش بسیار عالی بود و برای کسی که به تازگی قصد شروع داره، به شدت عالی هستش. استاد از منظرهای مختلف از جمله تسلط به موضوع، بیان شیوا و پرداختن به موضوع اصلی (بدون حاشیه) بسیار خوب بودند.
با تشکر از ایشان و فرادرس

مهدیس
مهدیس

تشکر می کنم بابت محتوای خیلی مفیدتون.
آموزش های برنامه نویسی زیادی از شما تهیه کردم اگر بعد از هر مبحث بتونید یه تمرین مدرس ارائه کنه که یکی دو ساعت درگیر بشم فکر می کنم تو روند یادگیری خیلی تاثیرگزار باشه.

محمدرضا
محمدرضا

سلام. آموزش خیلی عالی بود.

نرگس
نرگس

از نحوه بیان مدرس، کامل بودن محتوا، یه سری کدایی که ضمیه شده بود که خیلی خوب بود اسلایدا کامل بود.

محمد جواد
محمد جواد

قدرت بیان مدرس خیلی عالی بود و مهمتر از این مسلط بودن روی مباحث.

زهرا
زهرا

این آموزش پراکندگیای خودشو داشت. اما من قبلا عملی کار کرده بودمو خیلی مفید بود.

زهرا
زهرا

برای من که مبتدی هستم محتوا خیلی کاربردی و مفید هست اما اگر شخصی در این زمینه تخصص داشته باشه شاید مطالب خیلی براش پاسخ گو نباشه.

ژاله
ژاله

تا یه جایی خیلی خوب بود و داشتم مرحله به مرحله پیش میرفتم اما وسطاش دیدم به هدفم نمیخوره چون نصب خیلی سختی داشت، اما خیلی ریز و سخت پیش رفته بود عالی بود برای شروع مناسب بود اما با اون کاری که من می خواستم جور نبود.

وحید
وحید

برای اینکه بچه ها کد نویسی رو یاد بگیرند، به جای اینکه فقط تئوری یاد بده، عملی درس دادند.

سروش
سروش

با مثال توضیحات مطرح کردن خیلی واضح و روشن بود.و اینکه خیلی کلیشه ایی حرف نمیزدن در واقع کاربردی و عملی ارائه کردن.

زهرا
زهرا

به همه مباحث پرداخته شد فایل های جانبی متن ها و کد هایی که قرار داده شده کامل هست.

سمیرا
سمیرا

در هر بخش همه ی مباحث رو با مثال مطرح می کردند فقط خیلی تند تند بیان می کردند باید انرژی بیشتری برای آموزش می ذاشتند.

جلال
جلال

خوب و جامع هست. ولی هر شاخه ای رو بخواید باید پیشرفته اون قسمت رو هم ببینید.

فاطمه
فاطمه

سلام
ممنون از استاد محققی
ممنون از فرادرس
با ارزوی موفقیت و هر چه کاربردی تر شدن اموزش های فرادرس
از طرح اموزش رایگان اسفند ماه هم بسیار سپاسگزارم

علی رضا
علی رضا

آموزش خیلی خلاصه طراحی شده بود ولی در کل آموزش خوبی بود.

امینی
امینی

سلام
فوق العاده بود بدون اتلاف وقت (تا جایی که مجبورین دکمه pause را زیاد بزنید) مطالب مهم بیان شده
خدا قوت آقای محققی و امیدوارم در راه علم و نشر آن همیشه موفق باشید

محمود
محمود

کاربردی و خوب بود و مدرس خوب توضیح داده بودند.

مریم
مریم

با عرض سلام و خسته نباشید و تشکر ویژه بابت سایت پربارتون لازم به ذکر است، بنده با کمک آموزش های داده کاوی و شبکه های عصبی شما توانستم پایان نامه خود را بدون نیاز به استادان راهنما تا حد زیادی پیش ببرم. از این بابت از شما بسیار سپاسگذارم. درخواستی که دارم، با تشکر دوباره از تمامی زحمات شما . واقعا تحول بزرگی در زمینه انتقال دانش در سطح کشور ایجاد کردید. مطمئنم این حرکت شما می تواند جهانی شود. بسیار سپاسگذارم.

زهره
زهره

تشکر فراوان،بسیار عالی بود/
لطفا باز هم ویدئو در این زمینه قرار دهید .

میلاد
میلاد

برای شروع کار با تنسور فلو و کراس به شدت این اموزش رو توصیه میکنم.
با تشکر

elahe
elahe

آموزش خیلی خوبی بود. تنها انتقاد کوچیکی که دارم اینه که مدرس با سرعت بالایی مطالب رو میگفت . امیدوارم آموزشهای پیشرفته تر keras رو هم در سایتتون قرار بدین.
با تشکر

mohsen
mohsen

سلام
من عضو هیات علمی دانشگاه در رشته کامپیوتر هستم
به نظر من فرادرس جهت موضوعات تکمیلی و کاربردی در زمینه های علمی بسیار خوب کار می کنه و با کمترین هزینه ها در حال بالا بردن بار علمی دانشجویان و محققین داخلی هستش
در حال حاضر خیلی از ساییتون استفاده می کنم ولی کاش زمان دانشجویی امثال من هم همچنین سایت باارزشی موجود بود
حیف که زمانهای زیادی رو بدون وجود آموزشهای مناسبی شبیه سایت شما در زمان دانشجوییم از دست دادم
دعای خیر من بدرقه راهتون

حمیدرضا
حمیدرضا

با تشکر فراوان از استاد محققی
آموزششون خیلی عالی و منحصربه فرده
بازم ممنون از آموزش خوبشون

مرادی
مرادی

بسیار سپاسگزارم
کیفیت آموزش این دوره فراتر از باور بود. اولین آموزشی هست که از استاد محققی دیدم و مهارت تدریس خوبشون رو تحسین می کنم.

Shoresh
Shoresh

سلام و خسته نباشید. خیلی موضوع بجا و جالبی هست و واقعا روزشماری می کردیم.


برچسب‌ها:
AE | Classification | CNN | Deep learning | Deep Neural Network | GAN | Image Processing | Keras | MLP | programming | python | RNN | Tensorflow | training | آموزش شبکه های عصبی عمیق | الگوریتم های بهینه سازی | برنامه نویسی یادگیری عمیق | بستر TensorFlow | تنظیمات کتابخانه Keras | زبان Python | شبکه های عصبی عمیق | شروع کار با Keras | طراحی مدل های یادگیری عمیق | فرایند آموزش شبکه های عصبی در Keras | کتابخانه Keras | کتابخانه کدنویسی | کتابخانه های برنامه نویسی حوزه یادگیری عمیق | کتابخانه های نرم افزاری | کدنویسی Python | لایه های بازگشتی | لایه های پایه | لایه های تمام متصل | لایه های کانولوشنی | مدل های یادگیری عمیق | معرفی مزایای بستر TensorFlow | نحوه راه اندازی نرم افزار Anaconda | هوش مصنوعی | یادگیری عمیق
مشاهده بیشتر مشاهده کمتر