دوره جامع شبکه‌های عصبی و یادگیری عمیق

دوره آموزشی
80
36 ساعت

اهداف

  • آشنایی با مفاهیم بنیادین یادگیری ماشین و شبکه‌های عصبی
  • یادگیری نحوه‌ی پیاده‌سازی شبکه‌های عصبی با پایتون و PyTorch
  • درک عمیق از نحوه‌ی کارکرد لایه‌ها، توابع فعال‌سازی، و بهینه‌سازی مدل‌ها
  • توانایی طراحی و آموزش شبکه‌های کانولوشن برای تحلیل داده‌های تصویری
  • شناخت و پیاده‌سازی شبکه‌های بازگشتی برای داده‌های ترتیبی و سری‌های زمانی
  • درک مفهوم Embedding و کاربرد آن در داده‌های متنی
  • آشنایی با سازوکار توجه و مدل‌های زبانی بزرگ (LLMs)
  • یادگیری ساخت مدل‌های مولد
  • آشنایی با شبکه‌های عصبی گراف برای داده‌های ساختارمند
  • اجرای یک پروژه‌ی عملی برای جمع‌بندی و تثبیت مهارت‌ها

فهرست:

41 درس36h

مروری بر یادگیری ماشین و معرفی و آشنایی با شبکه‌های عصبی

معرفی دوره00:14:38
مروری بر یادگیری ماشین1:09:19
مروری بر شبکه‌های عصبی1:37:00

مقدمات ریاضی مورد نیاز

بایاس، واریانس

آشنایی با کتابخانه‌های NumPy و PyTorch

شبکه‌های عصبی پیچشی (Convolutional NN)

شبکه‌های عصبی پیجشی دو بعدی (2D Convolution)

مروری بر مطالب پیشین

بردارسازی و جاسازی کلمات

شبکه‌های عصبی بازگشتی (Recurrent NN)

ترنسفورمرها و مکانیزم توجه

شبکه‌های عصبی عمیق و مدل‌‌های زبانی بزرگ

شبکه عصبی گراف

سعید مجیدی فارغ التحصیل دکتری علوم کامپیوتر از دانشگاه تافتس آمریکا است و همکاری‌های متعددی به عنوان مدرس و دیتاساینتیست ارشد با مجموعه دقیقه انجام داده است.

4.48 (21 نظر)

14 دوره ها

4392 دانشجو

پژوهشگر یادگیری ماشین

5.00 (1 نظر)

2 دوره ها

0 دانشجو

بهنام بهین‌آئین

Data Science Fellow at Insight Data Science

پژوهشگر و متخصص داده‌کاوی و یادگیری ماشین در شرکت Insight Data Science، دکترای مهندسی برق و کامپیوتر از دانشگاه کویینز کانادا

 

0 (0 نظر)

1 دوره ها

0 دانشجو

کاوه مهدویانی

Applied Scientist, Amazon

پژوهشگر و متخصص یادگیری ماشین در شرکت آمازون، استادیار سابق گروه علوم کامپیوتر در دانشگاه تورنتو کانادا، سابقه همکاری با Bell Labs در آلمان و دانشگاه آلبرتا، دکترای مهندسی برق و کامپیوتر از دانشگاه تورنتو

 

0 (0 نظر)

1 دوره ها

0 دانشجو

نظرات

12 میلیون و 500 هزار تومان

داده‌ها

  • ویدئوی آموزی
  • درسنامه‌ها
  • تمرین و پروژه

پیش‌نیاز

  • آشنایی و تجربه کار با پایتون
  • آشنایی با مبانی یادگیری ماشین
  • آشنایی و تجربه کار با کتابخانه‌ numpy
  • آشنایی اولیه با کتابخانه scikit-learn

مخاطبین

  • دانشجویان
  • پژوهشگران
  • تحلیلگران داده
  • مهندسین یادگیری ماشین
  • متخصصین علوم داده
  • مهندسین داده
  • برنامه‌نویسان و توسعه‌دهندگان نرم‌افزار
  • سایر علاقه‌مندان هوش مصنوعی و یادگیری عمیق
Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors