طول دوره: 20 ساعت
شهریه : 15,000,000 ریال
نوع آموزش:
پیشنیاز: یادگیری ماشین و داده کاوی( Machine Learning & Data Mining ) در پایتون- کتابخانه Scikit
مدرک پایان دوره:
مدرک بین المللی:

برنامه زمانی دوره یادگیری عمیق (Deep Learning) در پایتون- کتابخانه Keras و TensorFlow

یادگیری عمیق (Deep Learning) در پایتون- کتابخانه Keras و TensorFlow

در حال حاضر کلاسی برای دوره مورد نظر ارائه نشده است در صورت تمایل شماره موبایل خود را ثبت نمایید تا زمان شروع دوره ها برای شما اطلاع رسانی شود

یادگیری عمیق چیست و چه کاربردی دارد؟

deeplearning

یادگیری عمیق چیست؟

یادگیری عمیق (Deep learning) زیرمجموعه‌ای از یادگیری ماشین بوده و از تعدادی لایه شبکه عصبی تشکیل شده است. شبکه عمیق، بطور خودکار وظایف فیزیکی و تحلیلی داده ها را بدون دخالت انسان انجام و بهبود می‌دهد. فناوری یادگیری عمیق در تمام محصولات و خدمات روزمره ،مانند دستیارهای دیجیتال، کنترل‌های تلویزیون (با قابلیت صوتی) و تشخیص تقلب در کارت اعتباری و همچنین فناوری‌های نوظهور مانند خودروهای خودران کاربرد دارد.

تفاوت یادگیری عمیق و شبکه عصبی مصنوعی

شبکه عصبی مصنوعی روی شبیه‌سازی رفتار مغز انسان تمرکز داشته و از یک لایه اصلی و چند لایه مخفی تشکیل شده‌است. این شبکه قادر به تشخیص و یادگیری به صورت تقریبی می باشد. اما شبکه یادگیری عمیق از چندین لایه در هر سطح تشکیل شده‌است که علاوه بر کاهش زمان پردازش، دقت محاسبات را هم افزایش می‌دهد

تفاوت یادگیری عمیق و یادگیری ماشین

الگوریتم‌های یادگیری ماشین از داده‌های ساختاریافته و برچسب‌گذاری‌شده برای پیش‌بینی استفاده می‌کنند یعنی ویژگی‌های خاصی از داده‌های ورودی که برای مدل تعریف شده اند، را در جداول سازمان‌دهی می کنند. البته این لزوماً به این معنی نیست که از داده های بدون ساختار استفاده نمی کند و فقط به این معنی است که کاری را که معمولاً برای سازماندهی آن در قالبی ساختاریافته از پیش پردازش شده می گذرد، را انجام می‌دهد. یادگیری عمیق برخی از مراحل پیش پردازش داده‌ها را که معمولاً با یادگیری ماشین مرتبط بوده را حذف می‌کند. این الگوریتم‌ها می‌توانند داده‌های بدون ساختار مانند متن و تصاویر را دریافت و پردازش کنند، و استخراج ویژگی‌ها را به صورت خودکار انجام دهند این امر باعث حذف برخی از وابستگی‌ها به متخصصان انسانی می شود.

deeplearning

شبکه عمیق چگونه کار می‌کند؟

شبکه‌های عصبی یادگیری عمیق یا شبکه‌های عصبی مصنوعی، تلاش می‌کنند از ترکیب ورودی داده‌ها، وزن‌ها و تقلید از مغز انسان استفاده کنند. این عناصر برای تشخیص دقیق، طبقه بندی و توصیف اشیاء درون داده ها با هم کار می کنند. شبکه‌های عصبی عمیق از چندین لایه و گره‌های به هم پیوسته تشکیل شده‌اند که هر کدام بر روی لایه قبلی به منظور اصلاح، بهینه‌سازی، پیش‌بینی و طبقه‌بندی، ساخته می‌شوند.

کاربرد شبکه عمیق

یادگیری عمیق و کاربردهای آن، در زندگی روزمره ما اثر بسیاری دارد. اما در بیشتر موارد، آن‌ها به قدری در محصولات و خدمات ادغام شده‌اند که کاربران از پردازش پیچیده داده‌ای که در پس‌زمینه انجام می‌شود بی‌اطلاع هستند. در ادامه برخی از کاربردهای آن را معرفی می‌کنیم.

 

  • سلامت و پزشکی

    یادگیری عمیق تاثیر بسیار مثبتی در صنعتی پزشکی به خصوص بعد از هوشمند سازی بیمارستان ها داشته‌است. از این روش در تحلیل و پردازش تصاویر و فیلم پزشک مانند تصاویر رادیولوژی، MRI، X-ray ، ثبت سابقه بیماری و شرح حال بیماران و ... کاربرد دارد.

  • خدمات مالی

    مؤسسات مالی به طور منظم از تجزیه و تحلیل پیش‌بینی‌کننده، برای هدایت معاملات الگوریتمی سهام، ارزیابی ریسک‌های تجاری برای تأییدیه‌های وام، کشف تقلب و کمک به مدیریت سپرده اعتباری و سرمایه‌گذاری برای مشتریان استفاده می‌کنند.

  • اجرای قانون

    الگوریتم‌های یادگیری عمیق می‌توانند داده‌های تراکنش را تجزیه و تحلیل کرده و از آنها برای شناسایی الگوهای خطرناکی را که نشان‌دهنده فعالیت‌های احتمالی کلاهبرداری یا مجرمانه هستند، استفاده کنند.

deeplearning

زبان پیاده سازی یادگیری عمیق

بدون شک بهترین زبان مورد نظر برای این حوزه، زبان برنامه نویسی پایتون است. پایتون یک زبان برنامه نویسی فوق العاده قوی و همه منظوره، تفسیر شده، شی گرا، منبع باز، و سطح بالا است، که قابل استفاده برای سیستم عامل های مختلفی همچون ویندوز، لینوکس، مکینتاش، اندروید و … می‌باشد. این زبان برنامه نویسی از تمامی زبان‌های مطرح حتی جاوا پیشی گرفته و رتبه ی نخست دنیا را کسب نموده است و ناسا در حال حاضر برای محاسبات قوی و سریع و پیشرفته اش از پایتون استفاده می کند و گوگل با پایتون نوشته شده‌است. پایتون کتابخانه های مختلفی با کاربردها متنوع دارد اما بهترین کتابخانه مطرح برای یادگیری عمیق کتابخانه (تنسور فلو)TensorFlowو Keras می‌باشد.

دوره یادگیری عمیق در مجتمع آموزشی مهرگان

مجتمع آموزشی مهرگان پیشرو تدریس زبان‌های مختلف برنامه نویسی یادگیری عمیق در اصفهان، با بهره‌گیری از اساتید خبره و روش‌های به روز تدریس، دوره شبکه عمیق به زبان برنامه پایتون را برگزار ‌می‌کند. در طی برگزاری کلاس‌ها علاوه بر مرور دانش‌ها پایه زبان برنامه نویسی، شما تحت آموزش تخصصی پایتون به صورت کاربردی و پروژه محور قرار ‌می‌گیرید به صورتی که پس از اتمام دوره شما کاملا به مباحث و تکنیک‌های کتابخانه های ادگیری عمیق به خصوص TensorFlowو Keras تسلط پیدا کرده و علاوه بر دریافت مدرک معتبر و قابل ترجمه، مانند یک برنامه نویسی حرفه ای شروع به حل مسایل یادگیری عمیق ‌‌کنید.

آنچه خواهید آموخت


از آن جای که یادگیری نرم افزار بدون انجام تمرینات و پروژه های عملی امکان پذیر نمی باشد آموزش این دوره مبتنی بر روش TPH خواهد بود

پیش نیاز پایتون مقدماتی، مبانی ریاضی پردازش تصویر (ریاضی مهندسی)

مباحث دوره به اختصار به شرح زیر می باشد:
  • معرفی، کاربردها و راه اندازی Keras و Tensorflow
  • اجرا در colab
  • مروری بر شبکه های عصبی
  • مروری بر یادگیری ماشین
  • بهینه سازها و توابع اتلاف
  • شبکه های DFN
  • شبکه های CNN
  • Transfer Learning
  • شبکه های تشخیص و بازشناسی Fast RCNN و Yolo
  • شبکه های AutoEncoder
  • مدل های زبانی و word2vec
  • شبکه های RNN
  • شبکه های LSTM
  • شبکه های GAN
  • مروری بر Deep Reinforcement learning

تماس با ما


031-36292828(10 خط)

شماره های داخلی:


ثبت نام : 12-14

حسابداری :16

برنامه ریزی آموزشی :11

انتشارات :17

بخش انجام پروژه :22

روابط عمومی : 24

logo-samandehi
mehregansoftware@gmail.com