دوره جامع شبکه‌های عصبی عمیق با پایتون

dpnn(website) (1)

دوره جامع «شبکه‌های عصبی عمیق با پایتون» یک مسیر آموزشی کاربردی و به‌روز است که شرکت‌کنندگان را از مفاهیم پایه تا طراحی و استقرار مدل‌های پیچیده یادگیری عمیق همراهی می‌کند. 

این دوره با ترکیب ارائه روشن و ملموس روش‌ها و مفاهیم، تمرین‌های عملی منظم و پروژه‌های کاربردی طراحی شده است. در نتیجه شرکت‌کنندگان تنها به یادگیری نظری مفاهیم اکتفا نمی‌کنند؛ بلکه آن‌‌ها را با کدنویسی پیاده می‌کنند، با پردازش داده‌های واقعی به کار می‌گیرند. در پایان پروژه‌هایی قابل‌ارائه دارند که نشان‌دهنده میزان تسلط آن‌ها بر روش‌ها و مفاهیم و مهارت عملی آن‌هاست.

در هر جلسه مفاهیم و روش‌های ارائه شده به‌صورت گام‌به‌گام با استفاده از کتابخانه‌های پایتون مانند با PyTorch ، NumPy و … به کار گرفته می‌شوند. تمرین‌ها و مثال‌ها مبتنی بر داده‌های واقعی انتخاب شده‌اند تا شرکت‌کنندگان نحوه کاربرد نظریه در مسائل عملی را بیاموزند و با ظرائف و پیچیدگی‌های آن هنگام در کاربرد آشنا شوند.

دوره از مبانی ریاضی و معماری‌های ساده شبکه‌ای آغاز می‌شود و به‌صورت پیوسته به سمت موضوعات پیشرفته‌تری مانند شبکه‌های کانولوشنی، شبکه‌های بازگشتی، مکانیزم توجه، ترنسفورمرها، مدل‌های مولد و در نهایت شبکه‌های گراف می‌رود. این ترتیبِ پیوسته و مرحله به مرحله سبب می‌شود شرکت‌کنندگان هم فهم عمیق مفهومی داشته باشند و هم بتوانند مدل‌های کاربردی را طراحی، پیاده‌سازی و برای پروژه‌های حرفه‌ای یا پژوهشی آماده کنند. 

Build, Train & Evaluate Deep Neural Networks

اهداف دوره

  • 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

مدرسین دوره

سعید مجیدی

سعید مجیدی

متخصص یادگیری ماشین، پردازش زبان‌های طبیعی و مدل‌های زبانی بزرگ در گروه صنعتی انتخاب و شرکت پردازش و تحلیل داده دقیقه، دکترای علوم کامپیوتر با گرایش یادگیری ماشین و پردازش زبان از دانشگاه تافتس آمریکا

بهنام بهین آئین

بهنام بهین آئین

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

کاوه مهدویانی

کاوه مهدویانی

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

مژگان سعیدی

مژگان سعیدی

پژوهشگر و متخصص یادگیری ماشین، پردازش زبان‌های طبیعی و مدل‌های یادگیری عمیق در دانشگاه استنفورد

مخاطبین

  • دانشجویان
  • پژوهشگران
  • تحلیلگران داده 
  • مهندسین یادگیری ماشین
  • متخصصین علوم داده
  • مهندسین داده
  • برنامه‌نویسان و توسعه‌دهندگان نرم‌افزار
  • سایر علاقه‌مندان هوش مصنوعی و یادگیری عمیق

پیش‌نیازها

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

تقویم آموزشی

هفته موضوع تاریخ مدرس
هفته اول مروری بر یادگیری ماشین و معرفی و آشنایی با شبکه‌های عصبی ۱۶ آذر سعید مجیدی
هفته دوم مقدمات ریاضی مورد نیاز (مشتق، بهینه‌سازی، جبرخطی) ۲۳ آذر کاوه مهدویانی
هفته سوم آشنایی با کتابخانه‌های NumPy و PyTorch ۳۰ آذر بهنام بهین آیین
هفته چهارم شبکه‌های عصبی پیچشی (Convolutional NN) ۱۴ دی مژگان سعیدی
هفته پنجم شبکه‌های عصبی پیچشی (Convolutional NN) ۲۱ دی مژگان سعیدی
هفته ششم مقدمه‌ای بر نگاشت داده‌ها در فضاهای برداری (Embbeding) ۲۸ دی سعید مجیدی
هفته هفتم شبکه‌های عصبی بازگشتی (Recurrent NN) (LSTM, GRU) – بخش اول ۵ بهمن سعید مجیدی
هفته هشتم شبکه‌های عصبی بازگشتی (Recurrent NN) (LSTM, GRU) – بخش دوم ۱۲ بهمن سعید مجیدی
هفته نهم ترنسفورمرها و مکانیزم توجه (Atention Mechanism)  ۱۹ بهمن کاوه مهدویانی
هفته دهم شبکه‌های عصبی عمیق و مدل‌‌های زبانی بزرگ (LLM) ۲۶ بهمن بهنام بهین آیین
هفته یازدهم مدل‌های مولد (Generative Models)  ۳ اسفند کاوه مهدویانی، مژگان سعیدی، بهنام بهین آیین
هفته دوازدهم شبکه عصبی گراف (Graph Models)  ۱۰ اسفند مژگان سعیدی
هفته سیزدهم کارگاه و معرفی پروژه پایانی  ۱۷ اسفند

اطلاعات برگزاری

  • شیوه برگزاری: آنلاین (google meet)
  • تاریخ شروع کلاس‌ها: ۱۶ آذر ۱۴۰۴
  • زمان برگزاری: یکشنبه‌ها ساعت ۱۸:۰۰ تا ۲۱:۲۰
  • پایان دوره: اسفند ۱۴۰۴
  • موعد تحویل پروژه پایانی: فروردین ۱۴۰۵
  • ارائه گواهی پایان دوره: اردیبهشت ۱۴۰۵

تخفیف ثبت‌نام گروهی

برای راحتی بیشتر شرکت‌کنندگان، امکان ثبت‌نام گروهی در این دوره فراهم شده است. اگر قصد دارید همراه با دوستان، هم‌کلاسی‌ها یا همکارانتان در دوره شرکت کنید، می‌توانید از شرایط ویژه گروهی بهره‌مند شوید. 

تخفیف دانشجویی

دانشجویان دانشگاه‌های ایران می‌توانند با ارائه کارت دانشجویی معتبر از تخفیف دانشجویی استفاده کنند.

برای دریافت اطلاعات بیشتر درباره تخفیف دانشجویی یا هماهنگی ثبت‌نام گروهی، لطفاً از طریق پشتیبانی با ما در ارتباط باشید.

تخفیف ثبت‌نام زودهنگام

ثبت نام‌های زودتر از تخفیف بیشتری برخوردار خواهند شد. 

برای شرکت در این دوره کافیست فرایند پرداخت و ثبت نام را در ادامه تکمیل کنید.

ثبت‌نام و پرداخت

شهریه

در صورت ثبت نام تا ۱۶ آبان ۱۴۰۴ از ۳۰٪ تخفیف برای پرداخت کامل و ۲۵% تخفیف برای پرداخت قسطی برخوردار می‌شوید.

پرداخت کامل

۱۲.5 میلیون تومان

8.750 میلیون تومان

Google_Meet.svg

پرداخت در سه قسط

پرداخت قسطی

۴.170 میلیون تومان

۳.125 میلیون تومان

Google_Meet.svg

برگزارکننده

شماره‌تماس:

۰۹۱۰۳۲۰۹۸۳۷
۰۲۱۸۸۳۴۹۲۴۴
پشتیبانی تلگرام:
t.me/dlearnsup

دیدگاه‌ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors