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 سرفصلها و رئوس مطالب مطرح شده در اين 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
- مهندسی کامپیوتر
- هوش مصنوعی
- مهندسی پزشکی
- مهندسی برق
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
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ میشود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده میشود.
نظرات
تشکر بابت ارائه آموزش خوب بود.
چون من تا حالا یادگیری عمیق کار نکرده بودم؛ برای یادگیری و راه افتادن پیش بردم مطمئنم در کار عملی هم کمک میکنه.