انجمن علمی دانشجویی برق دانشگاه شهید بهشتی با همکاری شاخه دانشجویی IEEE BZTE و تیم آموزشی گامینو برگزار می کند:
دوره آنلاین آموزش یادگیری عمیق و شبکه های عصبی با نرم افزار matlab (مقدماتی)
یکی از مباحث داغ دنیای مهندسی کامپیوتر و مهندسی برق ، هوش مصنوعی است. زمینه ای که باعث شده تا نتایج آن جهانیان را شگفت زده کند . دستیار صوتی گوگل ، یکی از همین نمونه ها است که با فرمان انسان ، عملیاتی را انجام میدهد. اگر بخواهیم به موضوع دقیق تر نگاه کنیم ، باید به یادگیری ماشین و یادگیری عمیق ،توجه بیشتری کنیم . یادگیری عمیق روشی است که با آموزش مجموعه ای از شبکه ها ) همانند نورون ها در مغز انسان( مدلی را پیاده می کند تا فرمان خاصی را انجام دهد . به طور مثال از جمله خروجی های این موضوع ، تشخیص احساسات از روی چهره فرد ، تشخیص احساسات از روی جمله بیا شده توسط فرد ، دسته بندی اشیاء در گروه های جداگانه و … ، است.
- برنامه زمانی دوره :
شروع دوره از ۲۳ مرداد ماه ۱۴۰۰
شنبه ها و سه شنبه ها ساعت ۱۸.۳۰ الی ۲۰ به مدت 10 جلسه در مجموع 15 ساعت
دریافت گواهینامه و ثبت نام در دوره آموزش یادگیری عمیق و شبکه های عصبی
دریافت گواهینامه دوره آموزش یادگیری عمیق و شبکه های عصبیتایید دانشجو و دریافت گواهینامه دوره
مدرس : مهندس بیگی
- سرفصل های دوره
- بررسی موارد پایه ای یادگیری عمیق وشبکه های عصبی، با نرم افزار
matlab و - بررسی موارد پیشرفته در این زمینه ، با زبان برنامه نویسی پایتون و فریم
ورک تنسورفلو
* در این دوره ، در طی 10 جلسه به مطالب زیر خواهیم پرداخت:
بخش اول
1 . یادگیری ماشین و یادگیری عمیق ، تفاوت ها و چالش ها
2 .انواع یادگیری ماشین و بررسی ویژگی های هر کدام - مبانی شبکه های عصبی و پیاده سازی در MATLAB
- گره ها و لایه های شبکه عصبی
- انواع تابع فعال سازی و انتخاب آن
- بررسی شبکه عصبی تک لایه
- بررسی شبکه عصبی چند لایه
- آشنایی با قانون دلتا
- انواع دسته بندی دیتا
4 .آموزش شبکه عصبی با پس انتشار
5 . انتخاب تابع اتلاف شبکه و قانون یادگیری
6 . روش های بهبود عملکرد شبکه عصبی عمیق
7 .آشنایی با مسائل مربوط به طبقه بندی و انواع آن
8 .مقدمه ای بر معماری های شبکه عصبی رایج
RBF
RBM
RNN
CNN
و…
9 .شبکه عصبی کانولوشنال یا CNN
-بررسی تاریخچه
-آشنایی با لایه های کانولوشن و ادغام
-نحوه آموزش شبکه و روش های پس انتشار
10 .مطالعات موردی معماری های کانولوشن
- AlexNet
- ZFNet
- VGG
- GoogLeNet
11 . کاربرد های شبکه عصبی و پیاده سازی یک نمونه در نرم افزار matlab
بخش دوم
12 .آشنایی با Anaocanda و دفترچه ژوپیتر
13 .آشنایی با pycharm
14 . آشنایی با محیط colab گوگل
15 .کار با محیط های کاری )بسط پایتون با NumPy )
16 .آشنایی با مفاهیم AE و VAE ، آموزش شبکه مورد نظر و تست گرفتن از آن
پاسخها