معرفی اجمالی دوره
دوره آموزش «یادگیری عمیق پیشرفته: مدلسازی سطح پایین» چیست؟
یکی از انواع روشهای یادگیری ماشین (Machine Learning) و هوش مصنوعی، یادگیری عمیق (Deep learning) است. طی این روش، تلاش بر این است که قابلیتی به ماشین (سیستم کامپیوتری) اضافه شود تا ماشین در تصمیمگیریها روشی مشابه فرایند ذهن انسان را داشته باشد و به نوعی فعالیتهای ذهن انسان را تقلید کند.
در دوره «آموزش یادگیری عمیق پیشرفته: مدلسازی سطح پایین» شرکتکنندگان با موضوعات مختلفی از جمله مدلسازی سطح پایین در تنسورفلو آشنا خواهند شد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است و به دلیل ویژگیهای جذابی که در اختیار کاربران قرار میدهد، کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلیترین کاربردهای تنسورفلو در پیادهسازی شبکههای عصبی است؛ به همین دلیل این کتابخانه، به عنوان پراستفادهترین کتابخانه در یادگیری عمیق شناخته میشود.
شرکتکنندگان این دوره با همه مباحث مربوط به یادگیری عمیق، مدلسازی سطح پایین و کتابخانه تنسورفلو آشنا خواهند شد. به طور مشخص شرکتکنندگان در این دوره با مباحث زیر سروکار خواهند داشت:
آشنایی با تعاریف کلی و مفاهیم مربوط به یادگیری عمیق و مدلسازی سطح پایین
چگونگی طراحی دلخواه اِلمانهای مختلف یک شبکه عصبی مانند loss، metric، activation function و حتی لایهها و مدلها
چگونگی پیادهسازی training loop به صورت کامل و دلخواه
آشنایی با تعاریف و عملیاتهای ممکن روی تنسورها
آشنایی با امکانات پردازش داده تنسورفلو
شرکتکنندگان این دوره پس از گذراندن این دوره علاوه بر آشنایی با مباحث و تعاریف کلی موارد زیر را نیز به طور کامل فرا خواهند گرفت:
آشنایی با تنسورها و انجام محاسبات با آنها
پیادهسازی loss، activation function، initializer، regularizer، metric، لایه و مدل دلخواه
آشنایی با GradientTape و طراحی حلقه آموزش دلخواه
آشنایی با Data API تنسورفلو
هدف از برگزاری دوره «یادگیری عمیق پیشرفته: مدلسازی سطح پایین» چیست؟
مدلسازی سفارشی و سطح پایین یکی از مهمترین مهارتها برای افرادی است که قصد دارند در زمینه یادگیری عمیق فعالیت داشته باشند.
شما ممکن است بخواهید ایدههای جدیدی را برای طراحی یک شبکه عصبی پیادهسازی کنید. یعنی شبکهای طراحی کنید که تعدادی از اِلمانها بهصورت default در آن وجود نداشته باشد. بهعنوان مثال میخواهید یک loss جدید تعریف کنید و یا عملکرد شبکه را با یک متریک جدید ارزیابی کنید؛ یا لایهای بسازید که عملکرد جدیدی داشته باشد. پس از گذراندن این دوره با امکانات لازم در تنسورفلو برای این محاسبات آشنا میشوید و میتوانید شبکهای کاملا دلخواه با نیازها و ایدهآلهای خودتان ایجاد کنید.
هدف اصلی این دوره آشنایی با همه مباحثی است که در این مسیر مورد نیاز شما خواهند بود و برای کار در این مسیر باید به آنها تسلط پیدا کنید.
دوره «یادگیری عمیق پیشرفته: مدلسازی سطح پایین» برای چه کسانی مناسب است؟
مباحث مطرح شده در این دوره برای همه افرادی که به موضوعاتی همچون یادگیری عمیق و هرآنچه به این موضوع مربوط میشود علاقهمند هستند، مفید و کاربردی خواهد بود.
به طور خاص این دوره برای کسانی است که با تنسورفلو و کراس آشنایی دارند و قصد دارند با گذراندن یک دوره آموزشی علاوه بر مرور مجدد مباحث مربوط به این عناوین، گامی بزرگ در جهت ماهرتر شدن در مدل سازی شبکههای عصبی برای یادگیری عمیق بردارند.
ویژگیهای دوره
گواهینامه مکتبخونه
خدمات منتورینگ
پروژه محور
تمرین و آزمون
تالار گفتگو
تسهیل استخدام
فصول دوره
مدلسازی سطح پایین;
معرفی مدرس
پژمان اقبالی
پژمان اقبالی دانشجوی دکتری بیومکانیک در دانشگاه EPFL سوئیس است. وی دارای تجربه تدریس مباحث علوم کامپیوتر مخصوصاً برنامهنویسی محاسباتی است. او سابقهی تدریس برنامهنویسی پایتون، متلب و R، محاسبات علمی، بهینهسازی، علم داده و یادگیری ماشین را دارد.
ایشان در حال حاضر بر روی توسعهی مدلهای آماری و یادگیری ماشین برای تحلیل دادههای پزشکی کار میکند. حوزههای تخصصی او برنامهنویسی محاسباتی، آمار و یادگیری ماشین، مدلهای اجزای محدود و بهینهسازی است.
پیشنیازها
برای شرکت در دوره «یادگیری عمیق پیشرفته: مدلسازی سطح پایین» چه پیشنیازهایی وجود دارد؟
در این دوره مباحث به نحوی انتخاب و بیان شده است که این پیشفرض وجود دارد که مخاطب دوره با مباحث مربوط به یادگیری عمیق، تنسورفلو و کراس آشنایی دارد. برای درک هرچه بهتر موضوعات مطرح شده در این دوره بهتر است مخاطب پیش از شروع این دوره نسبت به گذراندن دوره آموزش «یادگیری عمیق با تنسورفلو و کراس» اقدام کند.
روش ارزیابی و نمرهدهی
حد نصاب قبولی در دوره: 70.0 نمره فارغالتحصیل شدن در این دوره نیاز به ارسال تمرینها و پروژههای الزامی دارد.
نمونه گواهینامه