آشنایی و پیاده سازی الگوریتم های یادگیری عمیق

اطلاعات دوره


مدت زمان
03:19:29
تعداد ویدیو
6
تعداد نظرات
3


مبلغ دوره :

180,000 تومان
دانیال شریف رازی

دانیال شریف رازی


مشاهده رزومه

سطح دوره: متوسط
مبلغ دوره: 180,000 تومان
تاریخ درج: 1400/04/23
آخرین به روزرسانی: 1400/09/15
دسته بندی : هوش مصنوعی و دیتا ساینتس
نوع آموزش : دانشگاهی نرم افزاری پروژه محور

آشنایی و پیاده سازی الگوریتم های یادگیری عمیق

یادگیری عمیق ( Deep learning) ( یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشین و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاشند تا مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیرخطی هستند، مدل می‌کنند. در این دوره آموزشی قصد داریم با نحوه پیاده سازی الگوریتم های یادگیری عمیق آشنا شویم.

الگوریتم های یادگیری عمیق

یادگیری عمیق، رده‌ای از الگوریتم‌های یادگیری ماشین است که از چند لایه برای استخراج ویژگی‌های سطح بالا از ورودی خام استفاده می‌کنند. رده‌ای از تکنیک‌های یادگیری ماشین که از چندین لایه‌ی پردازش اطلاعات بهره می‌برد تا عملیات تبدیل یا استخراج ویژگی نظارت‌شده یا نظارت‌نشده را با هدف تحلیل یا باز شناخت الگو، کلاس‌بندی، خوشه‌بندی انجام دهد

علت محبوبیت الگوریتم های یادگیری عمیق

تا قبل از پیدایش یادگیری عمیق، روش‌های یادگیری ماشین سنتی، پیش از حد به بازنمایی‌هایی (انتخاب ویژگی‌ها) که از داده‌ها بدست می‌آورند، وابسته بودند. این روش‌ها، نیاز به یک متخصص در دامنه موضوع داشت تا استخراج ویژگی‌ها را بصورت دستی انجام دهد.

حال آن که، این استخراج ویژگی‌ها به صورت دستی فرآیندی چالش‌انگیز و زمان‌بر است. پیدایش یادگیری عمیق توانست بسرعت جایگزین این روش‌های سنتی شود. چرا که می‌توانست استخراج ویژگی‌ها را به‌صورت خودکار متناسب با هر مساله بدست آورد.

مزایای یادگیری پیاده سازی الگوریتم های یادگیری عمیق

مهمترین مزایای یادگیری عمیق عبارت اند 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

مفید برای رشته‌های

  • مهندسی کامپیوتر - نرم‌افزار
  • مهندسی فناوری اطلاعات (IT)
  • هوش مصنوعی
  • مهندسی برق
  • مهندسی پزشکی
  • مهندسی صنایع

آنچه در این دوره یاد می گیریم :

دوره پیاده سازی الگوریتم های یادگیری عمیق شامل پنج بخش اصلی می باشد. در بخش اول به معرفی اولیه یادگیری عمیق پرداخته می شود. در بخش دوم مبانی تئوری یادگیری عمیق بیان میشود. در بخش سوم به پیاده سازی یک نمونه از شبکه های عصبی عمیق بصورت خیلی ساده پرداخته می شود. در بخش چهارم به معرفی و پیاده سازی شبکه های عصبی کانولوشنی بر روی تصاویر پزشکی پرداخته می شود. در بخش پنجم به معرفی و پیاده سازی شبکه های عصبی بازگشتی در مسائل سری زمانی و پیشبینی دیتاها پرداخته می شود.

 

قسمت های دوره

  • 1

    هوش مصنوعی و یادگیری عمیق

    00:18:24 ورود
  • 2

    مبانی تئوری یادگیری عمیق

    00:26:43 ورود
  • 3

    شبکه های تمام متصل (Multi Layer Perceptron)

    00:49:37 ورود
  • 4

    شبکه های کانولوشنی (CNN)

    01:02:33 ورود
  • 5

    شبکه های عصبی بازگشتی (RNN, LSTM, GRU)

    00:42:12 ورود
  • 6

    فایل های ضمیمه

    فایل های ضمیمه
    00:00:00 ورود

نظرات

جهت درج نظر شما باید وارد حساب کاربری خود شوید.

دوره های مرتبط