کارگاه یادگیری عمیق(Deep Learning)
۴٬۷۹۹٬۰۰۰ تومان
پشتیبانی:
۳ ساله
تعداد فصل:
۸
گواهی:
دارد
بروز رسانی:
دائم
درباره ی کارگاه یادگیری عمیق(Deep Learning) :
Deep learning چیست؟
زیرشاخه ای از هوش مصنوعی و یادگیری ماشین است که در آن با الگوریتم ها و روش های پیچیده و غیر خطی به حل مسائل مختلف پرداخته می شود. این حوزه لبه ی علم هوش مصنوعی است و بالاترین سطح علمی و عملیاتی را در بین دیگر حوزه ها دارد. با توجه به این مسئله مهم ترین سوال این است که جایگاه Deep learning یا یادگیری عمیق در دنیای امروز چگونه است؟
جایگاه یادگیری عمیق
هر روش جدیدی که در زمینه ی یادگیری عمیق مطرح میشود همیشه پر از سر و صداست. اولین سر و صدا را به علت پیدایش شبکه های عصبی (Neural Networks) در دنیا داشتیم. این شبکه ها امکان مدل سازی ریاضی تخمینی اما دقیق بسیاری از مسائل دنیای واقعی را به ما میداند. پیدایش Deep learning نیز از Neural Networkهایی شروع شد که لایه ها و پارامترهای بیشتری داشتند و به آنها اصلاحالا Deep Neural Networks گفته میشد. با افزایش تعداد لایه ها و پارامترها محاسبات و آموزش این شبکه ها سخت تر، زمانبر و پیچیده میشد و عملا نیاز بود که یک شاخه ی کامل از علم به نام Deep learning را به این موضوع اختصاص دهیم تا به مطالعه و توسعه ی این غول های فناوری بپردازد.
پس از آن معماری های مختلف مانند CNN(برای داده های چند بُعدی مثل تصاویر و ویدیو)، RNN(برای داده هایی که در محور زمان معنا دارند مثل بازارهای مالی و آب و هوا) و GAN(برای توسعه ی شبکه های generative (تولید کنند. G در ChatGPT به این معناست) و adversarial (که شبکه های generative را تشخیص دهند و با آن مقابله کنند) استفاده می شود که هرکدام میتوانند معماری های خاص خود را داشته باشند) و ... معرفی و عرضه شدند که هرکدام مشکلات بسیار مهمی را حل میکردند.
چرا یادگیری عمیق؟
امروزه بخش کوچکی از صنعت نرم افزار در اختیار متخصصین Deep learning است، اما این بخش کوچک کنترل و گردش مالی بسیار بسیار بزرگتری نسبت به دیگر بخش های صنعت نرم افزار دارد. همچنین متخصصین Deep learning با دانش پایتون خود مرتبا ابزار و روش های جدیدی خلق میکنند و مشکلات بیشتری از گذشته را با استفاده از Deep learning حل میکنند.
همچنین روش های یادگیری عمیق پرفورمنس و کارایی بالاتری نسبت به دیگر روش های هوش مصنوعی دارند. ضمنا در کل علاوه بر تصور و تبلیغات عمومی، روش های Deep learning نسبت به روش های دیگر هوش مصنوعی و یادگیری ماشین میتوانند با داده های ورودی کمتری آموزش ببینند و بدرخشند؛ البته این کار نیازمند متخصصان کارکشته است که در پایان این دوره قطعا از نظر سواد به یکی از آنها تبدیل می شوید.
دیگر چه چیزهایی در این دوره وجود دارد؟
علاوه بر مباحث اشاره شده این دوره در آینده کاملتر نیز خواهد شد و به یکی از کاملترین دوره های یادگیری عمیق تبدیل می شود. مباحثی که در آینده به این دوره اضافه می شوند شامل:
این دوره مناسب چه کسانی است؟
- کسانی که میخواهند از صفر تا سطوح بالا وارد دنیای هوش مصنوعی شوند.
- کسانی که میخواهند درک عمیق تر و بهتری نسبت به هوش مصنوعی پیدا کنند.
- کسانی که میخواهند از هوش مصنوعی در کارهای خود استفاده کنند.
- علاقمندان به هوش مصنوعی و یادگیری ماشین و یادگیری عمیق
فصل ها:
1 - مقدمه (رایگان)
2 - درباره ی سر فصل ها (رایگان)
3 - قراردادها و کلمات تخصصی (رایگان)
4 - نحوه ی استفاده از کد ها (رایگان)
1 - معرفی فصل (رایگان)
2 - تفاوت هوش مصنوعی, یادگیری ماشین و یادگیری عمیق (رایگان)
3 - یادگیری ماشین (رایگان)
4 - یادگیری عمیق (رایگان)
5 - استفاده از یادگیری عمیق برای دسته بندی عکس ها (رایگان)
6 - مثال 1.01.1: تشخیص تصویر و گفتار (رایگان)
7 - مثال 1.01.2: تشخیص تصویر و گفتار (رایگان)
8 - مدل های یادگیری عمیق (رایگان)
9 - پرسپترون چند لایه (رایگان)
10 - شبکههای عصبی پیچشی (رایگان)
11 - شبکههای عصبی بازگشتی (رایگان)
12 - شبکههای مولد رقابتی (رایگان)
13 - مقدمه ای بر TensorFlow (رایگان)
14 - مبانی TensorFlow (رایگان)
15 - تعریف توابع در TensorFlow (رایگان)
16 - تمرین 1.02: پیاده سازی یک معادله ریاضی (رایگان)
17 - جبر خطی با TensorFlow (رایگان)
18 - تمرین شماره 1.03: ضرب ماتریسی با استفاده از TensorFlow (رایگان)
در حال تدوین ...
در حال تدوین ...
در حال تدوین ...
در حال تدوین ...
در حال تدوین ...
در حال تدوین ...
به این قسمت دسترسی نداری!
این قسمت رایگان نیست
برای مشاهده ی باقی دوره نیازه که دوره رو خریداری کنی دوست من