آموزش یادگیری عمیق (Deep Learning) و کاربرد آن در علم داده

معتبرترین دوره‌های آموزشی بین‌المللی را با زبان فارسی ببینید

۳۴۹۰۰۰ تومـــان
۱۷۴۵۰۰ تومـــان
خریـد با ۵۰% تخفیف ویژه
تنها برای ۲ نفر
کد تخفیف دارید؟

ضمــانــت بـازگــشــت وجــه

دسترسی دائمی به آموزش

پشتیبانی و ارتباط با مدرس

امکان دانلود و پخش آنلاین

جزئیات آموزش

۷۴ درس در ۱۰ فصل

سطح

تمام سطوح

مدت زمان ۲۶۴ دقیقه
حجم ۶۲۲.۳۱ مگابایت

فصل ۱ مقدمه و معرفی آموزش یادگیری عمیق

۱

آنچه از این دوره انتظار می رود

مشاهده رایگان

فصل ۲ آشنایی با شبکه های عصبی

۱

آشنایی با شبکه های عصبی

مشاهده رایگان
۲

آموزش مدل

۳

انواع یادگیری ماشین (Machine Learning)

۴

مدل خطی (نسخه جبری خطی)

۵

مدل خطی با ورودی های چندگانه

۶

مدل خطی با چندین ورودی و چندین خروجی

۷

نمایش گرافیکی شبکه های عصبی ساده

۸

تابع هدف (Objective Function) چیست؟

۹

توابع هدف مشترک: از بین رفتن نُرم L2

۱۰

توابع هدف مشترک: از بین بردن آنتروپی

۱۱

الگوریتم بهینه سازی: نزول گرادیان 1 پارامتر

۱۲

الگوریتم بهینه سازی: نزول گرادیان n- پارامتر

فصل ۳ نحوه ساخت یک شبکه عصبی از (Scratch) با NumPy

فصل ۴ آشنایی با TensorFlow 2.0

فصل ۵ ورود عمیق تر در NN ها معرفی شبکه های عصبی عمیق

فصل ۶ بیش‌ برازش (Overfitting)

فصل ۷ مقداردهی اولیه (Initialization)

فصل ۸ عمیق شدن در جدول شیب نزولی و برنامه های نرخ یادگیری

فصل ۹ پیش پردازش (Preprocessing)

فصل ۱۰ طبقه بندی در مجموعه داده های MNIST

فصل ۱۱ مثال مورد تجاری و کسب‌و‌کار

فصل ۱۲ نتیجه‌گیری

توضیحات "آموزش یادگیری عمیق (Deep Learning) و کاربرد آن در علم داده" :

در دوره آموزش یادگیری عمیق در بیش از 5 ساعت به آموزش Deep Learning و کاربرد آن در علم داده با رویکرد کاربردی و عملی بودن آموزش می پردازیم.

یادگیری عمیق یا یادگیری ژرف، یکی از توسعه های محبوب یادگیری ماشین است که به بررسی موضوعات انتزاعی و اجرای آن توسط ماشین می پردازد. در یادگیری عمیق به وسیله یک تصویر و نمودار از گراف لایه های مختلف در یک فرآیند، می توان به بخش های مختلف در حل مساله مورد نظر پرداخت. این حوزه از یادگیری ماشین که نزدیکی زیادی با مفاهیم شبکه های عصبی دارد، الگوریتمی را دنبال می‌کند که کمترین مرحله اجرا، بیشتری سرعت و کمترین هزینه را برای ماشین داشته باشد.

در آموزش deep learning پس از بررسی مفاهیم اولیه و تاریخچه ای کوتاه از یادگیری ماشین، نحوه ساخت یک الگوریتم خودکار یا به بیانی دقیق تر، یادگیری ماشین را می آموزید. پکیج های معروفی همچون Tensorflow و sklearn که بخش عمده فرآیندهای یادگیری ماشین را پوشش می دهند، معرفی خواهد شد. همچنین با بررسی مثال هایی از دنیای واقعی، یک الگوریتم کاربردی را می سازیم. علاوه بر این ها با بررسی دقیق تر یک مجموعه داده در حوزه تشخیص تصویر به نام MNIST، به بررسی گام های مختلف در طراحی الگوریتم و آماده سازی داده ها جهت ساخت یک الگوریتم یادگیری ماشین می پردازیم. 

آنچه در دوره آموزش یادگیری عمیق (Deep Learning) و کاربرد آن در علم داده بیان می شود:
• آشنایی با شبکه های عصبی
• نحوه ساخت یک شبکه عصبی از (Scratch) با NumPy
• آشنایی با TensorFlow 2.0
• ورود عمیق تر در NN ها معرفی شبکه های عصبی عمیق
• بیش برازش (Overfitting)
• مقداردهی اولیه (Initialization)
• عمیق شدن در جدول شیب نزولی و برنامه های نرخ یادگیری
• پیش پردازش (Preprocessing)
• طبقه بندی در مجموعه داده های MNIST
• مثال مورد تجاری و کسب‌و‌کار

همچنین مفاهیم کاهش گرادیان، بیش برازش، پیش انتشار و … که جزو اصلی ترین مفاهیم در حوزه های شبکه های عصبی و یادگیری ماشین محسوب می شود را به طور دقیق بررسی خواهیم کرد.

پیش نیاز این دوره آموزشی چیست؟

دوره ی آموزش ریاضیات در علم داده پیش نیاز این دوره می باشد.

اهداف آموزش یادگیری عمیق (Deep Learning) و کاربرد آن در علم داده چیست؟

 هدف دوره آموزش یادگیری عمیق، آشنایی با شبکه های عصبی و آشنایی با TensorFlow 2.0 و یادگیری بیش برازش (Overfitting) می باشد. همچنین آموزش مثال های کاربردی در زمینه یادگیری عمیق و معرفی شبکه های عصبی عمیق و کلی مباحث دیگر در زمینه یادگیری عمیق و کاربرد آنها در کسب و کارها است.

این دوره برای چه کسانی مفید است؟

افراد علاقه مند به یادگیری مباحث حرفه ای علم داده از پایه تا پیشرفته

افراد علاقه مند به مبحث deep learning و یادگیری کاربرد آن در علم داده

افراد علاقه مند به استفاده از علم داده برای تحلیل کسب و کار

افراد علاقه مند به یادگیری مباحث یادگیری عمیق (Deep Learning)

چگونه کیفیت آموزش تضمین می شود؟

قبل از شرکت در دوره آموزشی شما می توانید پیش نمایش و ۵ قسمت آموزشی از ۷۴ قسمت را رایگان مشاهده کنید.(آموزش هایی که در سمت راست آن ها قفل باز است قبل از خرید و ورود در آموزش قابل مشاهده است)

با اطمینان دوره آموزشی "آموزش یادگیری عمیق (Deep Learning) و کاربرد آن در علم داده" را بخرید در صورتی که این آموزش مطابق با اطلاعات آن نبود و شما از خرید راضی نبودید، بازگشت وجه به طور انجام می شود.

امکان سوال از مدرس وجود دارد؟

امکان سوال از مدرس در بخش گفتگو ها مهیا است همچنین در صفحه پروفایل مدرسین شبکه های اجتماعی آنها جهت تعامل قرار دارد.

نحوه دسترسی به آموزش چگونه است؟

امکان دانلود و پخش آنلاین دوره وجود دارد و شما به طور دائم به آن دسترسی دارید.

امتیاز کلی دوره

( ۰)

تعداد بررسی های ثبت شده : ۰

هنوز بررسی برای این آموزش ثبت نشده است

بیشتر