ما را دنبال کنید:
image

یادگیری عمیق – Deep Learning

آنچه یاد خواهید گرفت

  • مروری بر مفاهیم شبکه عصبی عمیق 
    • مروری بر انواع توابع آتش
    • مروری بر نحوه محاسبه گرادیان و انواع توابع خطا
    • مروری بر روال کلی backpropagation​
    • مروری بر روال های دسته بندی و رگرسیون  
    • مروری بر روال آموزش شبکه های عصبی در تنسورفلو و کراس
  • ​انواع Optimizationها در محاسبه گرادیان شبکه عصبی
    • - آپدیت وزن شبکه از طریق Random search​
    • محاسبه گرادیان از طریق AdaGrad
    •  محاسبه گرادیان از طریق RMSProp
    • محاسبه گرادیان از طریق Adam
  • مقدمات آموزش شبکه های عصبی عمیق
    • Data preprocessing​
    • مروری بر PCA و روش های کاهش بعد
    • Weight Initialization
    • Batch Normalization
    • Hyperparameter Optimization
    • بررسی روال تغییرات learning rate
    • Regularization
    • L1 / L2 regularization
    • Dropout
    • Data Augmentation
  • معرفی شبکه های عمیق Convolutional Neural Network
    • بیان ساختار کلی شبکه های عصبی کانولوشنالی
    • معرفی لایه های مختلف شبکه های CNN
    • آشنایی با مفاهیم dim و Stride و padding
    • معرفی معماری های مختلف شبکه های CNN
  • معرفی شبکه های عمیق بازگشتیRecurrent Neural Network
    • مقدماتی بر شبکه های بازگشتی
    • معرفی شبکه بازگشتی LSTM
    • معرفی شبکه بازگشتی GRU
    • معرفی شبکه های بازگشتی دو طرفه
  • معرفی شبکه های عمیقVariation Auto Encoders
    • مقدماتی بر یادگیری باناظر و بدون ناظر
    • معرفی شبکه های Generative
    • معرفی شبکه های Auto Encoder
    • معرفی Variational Auto Encoder
    • مقدماتی بر شبکه های عصبی Gan
  • Generative Adversarial Networks
    • معرفی ساختارهای CyclicGan و Pix2Pix در شبکه های عصبی عمیق

پیش نیاز

برنامه نویسی با زبان پایتون (در حد آشنایی با شرط، حلقه و تابع نویسی)، آشنایی با شبکه های عصبی مصنوعی، Machine Learning

مخاطبان دوره

افرادی که حوزه کاری یا تحقیقاتی آنان یادگیری ماشین و عمیق باشد

توانایی پس ازگذراندن دوره

امکان تحلیل و ساخت برنامه کاربردی در حوزه یادگیری عمیق

تمامي دوره ها با رعايت كليه نكات بهداشتي و به صورت حضوري برگزار خواهد شد.

پس با خيال راحت ثبت نام خود را انجام دهيد.

توجه: قبل از واریز وجه دوره، حتما از طریق مسئول آموزش استعلام گرفته شود.

یکی از این صندلیهای کلاس (کلاس شماره 2) منتظر شماست تا قدم در دنیای آموزش حرفه ای بردارید:

در زمان استراحت، پذیرای شما در کافی شاپ مجموعه هستیم:

و با سرگرمی های تعبیه شده، به کمی استراحت بپردازید و با روحیه مضاعف به کلاس برگردید:

حرفه ای شدن در محیط آموزشی جذاب را با لایتک تجربه کنید

 در این دوره،سعی می شود تا مبانی تئوری یادگیری عمیق، روشها و مدل­های مختلف آموزش شبکه­ های عصبی عمیق، آموزش داده شود .

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

لازم به ذکر است آزمون های دوره علم داده به صورت پروژه برگزار می گردد.

دوره های آموزشی علم داده را برای حرفه ای شدن به خاطر بسپارید:

  • دوره برنامه نویسی پایتون - Python Programming
  • دوره یادگیری ماشین - Machine Learning
  • دوره یادگیری عمیق – Deep Learning
  • دوره آموزشی علم داده - Data Science
  • دوره  (Natural language processing (NLP)

کلیه اساتید لایتک دارای سابقه درخشان در حوزه آموزش می باشند.

لینک اعضای هیئت علمی