Deep Learning | دوره جامع آموزش یادگیری عمیق در پایتون | تئوری و عملی

یادگیری عمیق چیست؟

یادگیری عمیق یا دیپ لرنینگ ، علمی کاربردی است. و از زیر بخش های علوم کامپیوتر و مهندسی کامپیوتر محسوب می شود. در یادگیری عمیق با الگوریتم های نوین و بسیار موثری سر و کار داریم که می تواند انواع داده ها را بررسی کرده، و سیستمی بسیار هوشمند ساخت.

از مهمترین کاربردهای یادگیری عمیق می توان به دسته های زیر اشاره نمود:

• طبقه بندی و دسته بندی
• رگرسیون
• تخمین
• پیش بینی
• تولید داده های جدید و خلاقانه
• حل کردن معما ها و بازی ها
• ناوبری اتوماتیک در ربات ها
• و …

همچنین با انواع داده می توان کار نمود و در زمینه های مختلفی که تعدادی از آنها در ادامه لیست میشود از شبکه های عصبی عمیق استفاده نمود:

• تصویر
• دنباله های ویدئویی
• گفتار
• صوت و موسیقی
• داده های مالی
• سری های زمانی
• انواع معما
• انواع دنباله ها و ماتریس های بزرگ
• داده های پزشکی
• و …

دیپ لرنینگ واقعا یعنی چه؟

دیپ لرنینگ یا یادگیری عمیق به طور خلاصه به شبکه های عصبی مصنوعی عمیق اشاره دارد. که یعنی ما میخواهیم شبکه های بزرگتر، با پارامتر های بیشتر و پیچیده داشته باشیم تا بتوانیم مفاهیم پیچیده تری را درک کنیم. مثال ساده تفاوت بین شبکه های عصبی معمولی و شبکه های دیپ، تفاوت مغز یک کبوتر و مغز یک انسان است.

هر چه شبکه پیچیده تر می شود،‌ نیاز به داده های بیشتری خواهد داشت. به لطف اینترنت و سیستم های سخت افزاری جمع آوری اطلاعات، منابع اطلاعاتی بسیاری برای حل این مسائل وجود دارد.

پکیج جامع یادگیری عمیق

مجموعه هوش مصنوعی رسا، به تدریس فرید هاشمی نژاد، دوره آموزشی جامعی را در زمینه آموزش یادگیری عمیق به صورت تئوری و عملی در پایتون،‌ آماده نموده تا تمامی عزیزانی که علاقه مند به یادگیری صنعتی این موضوعات هستند بتوانند در زمانی کوتاه به این مهم دست یابند.

این پک آموزشی،‌ بیش از 12 ساعت در 9 فصل و 51 جلسه می باشد که از پایه مباحث تئوری و عملی دنبال می شود و مباحثی مثل شبکه های عصبی، شبکه های CNN، شبکه های RNN، LSTM، GRU و همچنین شبکه های GAN و البته AutoEncoder‌ها و همچنین موضوع جذاب Reinforcement Learning یا یادگیری تقویتی در تنسورفلو و OpenAI Gym به طور کامل بررسی می شود. دراین آموزش بیش از 30 پروژه و مینی پروژه مختلف برریس شده است.

ویدئوی اولین قسمت دوره یادگیری عمیق

راهنمای استفاده از دوره

در ویدئو زیر به طور کامل در خصوص نحوه تهیه، دانلود و استفاده از دوره آموزش داده شده و پیشنهاد می دهیم که در ابتدا این ویدئو را مشاهده فرمایید.

نمونه هایی از آموزش های دوره

جلسه چهل و دوم

سرفصل های دوره آموزش یادگیری عمیق در پایتون

جزئیات دوره

• 9 فصل
• 51 قسمت
• بیش از 14 ساعت
• و بیش از سی پروژه

سرفصل ها :

• فصل اول مقدمه
• فصل دوم معرفی شبکه های عصبی
• فصل سوم مقدمات Tensorflow
• فصل چهارم CNN (convolutional neural network)
• فصل پنجم RNN (RNN – LSTM – GRU)
• فصل ششم API‌ها (Keras – Estimator – Layers)
• فصل هفتم AutoEncoder ها
• فصل هشتم GAN (generative adversarial networks)
• فصل نهم یادگیری تقویتی (Reinforcement Learning)

گنجینه هوش مصنوعی

همچنین می توانید با مراجعه صفحه دوره جامع صفر تا متخصص شدن هوش مصنوعی مراجعه کنید و این پکیج را در کنار دیگر نیازمند های هوش مصنوعی به صورت یک جا دریافت نمایید.