دوره آنلاین آموزش یادگیری عمیق و شبکه های عصبی با نرم افزار matlab (مقدماتی)

1400/11/22

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 عصبی

مدرس : مهندس بیگی

  • سرفصل های دوره 
  1. بررسی موارد پایه ای یادگیری عمیق وشبکه های عصبی، با نرم افزار
    matlab و
  2. 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
  3. 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

اطلاعات دوره

سطح دشواری: مقدماتی

مسیرها:

دسته‌بندی ‌ها: ,

پاسخ‌ها

نشانی ایمیل شما منتشر نخواهد شد.

اطلاعات دوره

سطح دشواری: مقدماتی, مقدماتیBeginner

مسیرها:

دسته‌بندی ‌ها: ,

    • تایید دانشجو و دریافت گواهینامه دوره
      • بررسی و تایید دانشجو
      • برای دریافت گواهینامه دوره مجازی آموزش یادگیری عمیق و شبکه های عصبی مقدماتی کلیک کنید .