Name: یادگیری عمیق و شبکه های عصبی
SKU: 301
Price: 1500000 IRT
Availability: InStock

حالت مطالعه

Deep Learning and Neural Networks

در دوره یادگیری عمیق و شبکه های عصبی چه آموزش داده می شود؟

دوره یادگیری عمیق و شبکه‌های عصبی یکی از مهم ترین دوره‌هایی است که برای هر فردی که به دنبال یادگیری و ارتقای دانش خود در زمینه‌ی هوش مصنوعی می‌باشد، اساسی و اجباری است. در این دوره، یادگیری شما با مفاهیم و اصول پایه‌ای عمیق و شبکه‌های عصبی آشنا شده و نحوه‌ی کار کرد و پیاده‌سازی آن‌ها را فراگیرید. در پایان این دوره، شما قادر خواهید بود با شرکت در پروژه‌های عملی و کاربردی، درک عمیقی از روش‌های یادگیری عمیق و شبکه‌های عصبی کسب کنید.

در این دوره، با مفاهیمی مانند یادگیری عمیق، معماری شبکه‌های عصبی عمیق، بهینه‌سازی، فضای برداری، داده مصنوعی، پردازش تصویر و زبان‌های طبیعی آشنا خواهید شد. همچنین، شما با استفاده از ابزارهای مانند پایتون، Tensorflow و Keras، توانایی پیاده‌سازی شبکه‌های عصبی عمیق را نیز خواهید داشت. در کنار این همه مباحث تئوری، در این دوره، پروژه های عملی کاربردی نیز وجود دارد که با حل آن‌ها، می‌توانید دانش و تجربه‌ای استفاده‌پذیر از یادگیری عمیق و شبکه‌های عصبی کسب کنید.

بنابراین، اگر به دنبال دوره‌ای هستید که شما را با مفاهیم و اصول پایه‌ای عمیق و شبکه‌های عصبی آشنا کند و همچنین با استفاده از پروژه‌های عملی، دانش خود را ارتقا دهید، دوره یادگیری عمیق و شبکه‌های عصبی بهترین انتخاب برای شماست.

پیش نیاز های این دوره آموزشی
همه پیش نیاز های دوره بصورت رایگان در اختیار شما قرار خواهد گرفت و شامل دوره های زیر می باشد :
- - پایتون
  - گیت
  - پیش پردازش داده

زبان برنامه نویسی پایتون
- نصب و راه اندازی پایتون
- نصب VScode
- سرور لینوکسی قدرتمند برنامه نویسی گوگل
- دستورات لینوکسی
- متغیر ها
- انواع داده ها در پایتون
- کار با رشته ها
- عمگر ها در پایتون
- تاپل
- لیست
- دیکشنری
- Set
- دستورات شرطی
- حلقه ها
- توابع
- دیکوریتور ها
- تحلیل و طراحی الگوریتم
- حل مسائل حل نشده مونته کارلو
- حل مسئله مکانیک کوانتوم
- مقدمه ای بر برنامه نویسی شی گرا

گیت
- introduction to VCS (Version Control System)
- Git cyrcle life
- install git
- git basic Command (add,commit,log)
- git diff
- git checkout
- git reset
- git ignore
- git remove
- git branch and merge
- git confilct
- github

پیش پردازش داده
Series and Data Frames
Spatial Criteria and Dispersion
Covariance and Correlation
Statistical Charts
Statistical Distributions
Testing of Assumptions

یادگیری عمیق و شبکه های عصبی
- بررسی شبکه های عصبی از نظر علوم شناختی
- یادگیری ماشین فضای
- فرضیه
- تابع هزینه
- یادگیری نظارت شده
- یادگیری غیر نظارت شده
- یادگیری تقویتی
- رگرسیون خطی
- گرادیان کاهشی
- MSE
- Logistic Regression
- Perceptron
- Multi Layer
- Perceptron(MLP)
- پیاده سازی Preceptron
- کتابخانه Keras
- پروژه هادرون مرکز تحقیقاتی سرم اروپا
- Backpropagation
- Activation Function
- Softmax
- Regularization
- Computational Graph
- Deep Learning training
- Considering Activation Functions problems
- Kernel initializations
- Batch Normalizations
- Dropout
- Optimization Alghoriths(SGD,Momentum Optimization,Nesterov Momentum,AdaGrad,RMSProp,Adam)
- Learning rate Optimization
- Convolutional neural network
- Recurrent Neural Network (RNN)
- Long Short Term Memory (LSTM)
- Cardiovascular disease Project
- Implement Deep Neural Netowrks
- Implement Conbolution Neural Networks
- Optimize Neural Networks Hyperparameters
- Big data in tensorflow
- Data augmenatation
- Detect opacity from X-ray image project
- Tune unbalance data
- Callbacks
- Early stopping
- Reduce learnng rate on plateau
- model checkpoint
- Some Important Applications in CNNs
- LeNet
- AlexNet
- ZfNet
- VGG16
- VGG19
- GoogLeNet
- Inception Layer
- ResNet
- RoadMap
- سیستم های پیچیده
- نظریه اطلاعات
- تحلیل پیچیدگی
- آنتروپی
- Time series Return
- Yahoo Finance API
- Time series analysis of Bitcoin
- Forcast BTCUSD whit RNN
- Consideration of forcasting
- Compare GRU,LSTM and SimpleRNN
- Consideration Noise and errors
- Forcasting Crude Oil price in varios time step
- Natural Language Processing
- IMDB Comments Sentiments Analysis
- Implementation with Functional oriented programming
- Compare GRU, LSTM,SimpleRNN,,BiLSTM,BiGRU,BiSimpleRNN result

برنامه نویسی پایتون
Python Programming

زبان برنامه نویسی پایتون یکی از محبوب ترین و یکی الزامات یادگیری در صنعت هوش مصنوعی می باشد . پس در مرحله اول میریم سراغ یادگیری پایتون بصورت اصولی تا بتوانیم پروژه های یادگیری ماشین را پیاده سازی بکنیم.
گیت
Git

Git یک سیستم کنترل نسخه توزیع شده است که برای مدیریت و پیگیری تغییرات در کد منبع به کار می‌رود. Git به توسعه‌ دهندگان این امکان را می‌دهد تا به طور همزمان روی یک پروژه کار کنند و تغییرات خود را به راحتی با یکدیگر به اشتراک بگذارند. این سیستم همچنین امکان بازگشت به نسخه‌های قبلی کد را فراهم می‌کند که به ویژه در پروژه‌های بزرگ و پیچیده بسیار مفید است.
پیش پردازش داده
Data Preprocessing

پیش‌پردازش داده یکی از مراحل مهم در پروژه‌های یادگیری ماشین است. داده‌های خام معمولاً شامل نویز، داده‌های گمشده و نامنظم هستند که می‌توانند بر دقت و کارایی مدل‌های یادگیری ماشین تأثیر منفی بگذارند. بنابراین، پیش‌پردازش داده برای رفع این مشکلات و آماده‌سازی داده‌ها برای استفاده در مراحل بعدی بسیار مهم است.
شبکه های عصبی و یادگیری عمیق
Neural Networks and Deep Learning

بعد از یادگیری پیش نیاز های شبکه های عصبی و یادگیری عمیق ، حال باید تئوری الگوریتم های شبکه های عصبی و یادگیری عمیق را یاد بگیریم و سپس بریم سراغ پیاده سازی پروژه های شبکه های عصبی و یادگیری عمیق ، تا اصولی بتوانیم شبکه های عصبی و یادگیری عمیق در دنیای واقعی را یاد بگیریم.