×
۱۱۵,۰۰۰ تومان
٪۳۵ تا ۱۷۰ هزار تومان تخفیف

آموزش یادگیری عمیق با پایتون - تنسورفلو و کراس TensorFlow و Keras

آموزش یادگیری عمیق با پایتون - تنسورفلو و کراس TensorFlow و Keras

هزینه آموزش
۱۱۵,۰۰۰ تومان
تخفیف
٪۳۵ تا ۱۷۰ هزار تومان تخفیف (اطلاعات بیشتر +)

تعداد دانشجو
۸,۷۶۳ نفر
مدت زمان
۲ ساعت و ۵۷ دقیقه
محتوای این آموزش
تضمین کیفیت
۴۵ بازخورد (مشاهده نظرات)

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.

آموزش یادگیری عمیق با پایتون - تنسورفلو و کراس TensorFlow و Keras

تعداد دانشجو
۸,۷۶۳ نفر
مدت زمان
۲ ساعت و ۵۷ دقیقه
هزینه عادی آموزش
۱۱۵,۰۰۰ تومان
در طرح تخفیف
٪۳۵ تا ۱۷۰ هزار تومان تخفیف (اطلاعات بیشتر +)

محتوای این آموزش
تضمین کیفیت
۴۶ بازخورد (مشاهده نظرات)

سعید محققی

دانشجوی دکتری تخصصی مهندسی پزشکی - بیوالکتریک

رساله دکتری ایشان در زمینه «پردازش تصاویر پزشکی با استفاده از تکنیک‌های یادگیری عمیق» است. از تخصص‌های اصلی ایشان می‌توان برنامه‌نویسی، پردازش سیگنال‌ها، تصاویر دیجیتال و هوش مصنوعی را نام برد.

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:

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
۲. کار با داده ها در Keras
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.
این آموزش شامل ۶ جلسه ویدئویی با مجموع ۲ ساعت و ۵۷ 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 عمیق با پایتون - تنسورفلو و کراس 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 ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۶۶۰ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


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.




دیگر آموزش‌های این مدرس

نظرات

تا کنون ۸,۷۶۳ نفر از این آموزش استفاده کرده‌اند و ۴۵ نظر ثبت شده است.
حسام
حسام
۱۴۰۰/۱۲/۱۱
از کیفیت تدریس ایشون بخاطر اینکه خیلی سطحی توضیح دادن کاملا ناراضیم
عبداله رضا
عبداله رضا
۱۴۰۰/۱۱/۱۱
یادگیری عمیق جز مبحث هایی هست که خیلی تخصصی و به نظرم نیاز هست که مدرسین مطالب بسیار قویی و با سطح بالاتری در این مورد روی سایت قرار بدن و اینکه موضوعی هست که درحال پیشرفته در نتیجه نیاز هست دیدگاه خیلی تخصصی نسبت به آن داشته باشیم.
تشکر بابت ارائه آموزش خوب بود.
ابوالفضل
ابوالفضل
۱۴۰۰/۱۱/۰۲
بیان و ارائه مدرس، توضیحات خیلی خوبه، لطفا آموزش رو هم به روز رسانی کنید.
هادی
هادی
۱۴۰۰/۱۰/۱۸
خوب بود و من راضی بودم؛ مفاهیم رو یادگرفتم.
چون من تا حالا یادگیری عمیق کار نکرده بودم؛ برای یادگیری و راه افتادن پیش بردم مطمئنم در کار عملی هم کمک میکنه.
yaser
yaser
۱۴۰۰/۱۰/۱۳
کامل مشاهده کردم عالی بود، توی پایتون یاد گرفتم که چه جوری این شبکه ها رو متصل کنم معضل من بود که برطرف شد.
ارزو
ارزو
۱۴۰۰/۰۹/۲۵
این دوره بنظرم کمی پیشرفته بود و خیلی هم تندتند صجبت میکردند
parastoo
parastoo
۱۴۰۰/۰۹/۰۱
توضیحات دقیق و گویا بود و نکته مبهمی برای من نبود.
محسن
محسن
۱۴۰۰/۰۷/۱۹
مطالب و بیان در حد متوسط.
سارا
سارا
۱۴۰۰/۰۶/۲۷
در خصوص این آموزش با فرادرس استارتشو زدم و کاملا از پایه و مفید بود. فقط لطفا آموزش های زبان انگلیسیتون رو هم زیاد کنید.
ونوس
ونوس
۱۴۰۰/۰۲/۲۱
این دوره واقعا عالی و کاربردی بود و خیلی از اون راضی بودم
برچسب‌ها:
AE | Classification | CNN | Deep learning | Deep Neural Network | GAN | Image Processing | Keras | MLP | programming | python | RNN | Tensor flow | Tensorflow | training | آموزش شبکه های عصبی عمیق | الگوریتم های بهینه سازی | برنامه نویسی یادگیری عمیق | بستر TensorFlow | تنسر فلو | تنسرفلو | تنسور فلو | 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 | کتابخامه کرس | کتابخانه Keras | کتابخانه تنسر فلو | کتابخانه تنسرفلو | کتابخانه تنسور فلو | کتابخانه کدنویسی | کتابخانه کراس | 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
×
فهرست جلسات ۶ جلسه ویدئویی
×