دوره‌ای کاربردی که مسیر ورود شما به دنیای یادگیری عمیق رو هموار می‌کنه؛ از مفاهیم پایه یادگیری ماشین تا پیاده‌سازی شبکه‌های عصبی حرفه‌ای با پایتون.
این دوره به چه دردی می‌خوره؟
اگه با یادگیری ماشین آشنایی مقدماتی دارید و می‌خواهید پا به دنیای پیشرفته‌تر بگذاری...
یادگیری عمیق با تنسورفلو و کراس 🤖
دوره‌ای کاربردی که مسیر ورود شما به دنیای یادگیری عمیق رو هموار می‌کنه؛ از مفاهیم پایه یادگیری ماشین تا پیاده‌سازی شبکه‌های عصبی حرفه‌ای با پایتون.
این دوره به چه دردی می‌خوره؟
اگه با یادگیری ماشین آشنایی مقدماتی دارید و می‌خواهید پا به دنیای پیشرفته‌تر بگذارید، این دوره دقیقاً همون چیزیه که لازم دارید. یادگیری عمیق (Deep Learning) امروز در خیلی از فناوری‌ها حضور داره؛ از تشخیص تصویر و پردازش زبان طبیعی گرفته تا پیش‌بینی ترافیک و تحلیل دنباله‌های عددی. با یادگیری تنسورفلو و کراس، عملاً به یکی از پرکاربردترین ابزارهای این حوزه مسلط می‌شید.
فرض کنید می‌خواهید یه پروژه تشخیص تصویر برای درس دانشگاه‌تون انجام بدید یا حتی یه اپلیکیشن ساده بسازید که دست‌خط رو تشخیص بده. تنسورفلو و کراس همون ابزارهایی هستن که کار رو براتون خیلی راحت‌تر می‌کنن.
مشخصات کلی دوره
ویژگی
جزئیات
عنوان
یادگیری عمیق با تنسورفلو و کراس
سطح
مقدماتی تا متوسط
پیش‌نیاز
پایتون، آشنایی با هوش مصنوعی و یادگیری ماشین
زبان برنامه‌نویسی
پایتون
کتابخانه‌ها
TensorFlow، Keras
مدت زمان کل
حدود ۲۱ ساعت
تعداد فصل‌ها
۴ فصل
وبسایت
مکتب خونه
وضعیت قیمت
تخفیف ویژه
چی یاد می‌گیرم؟ 🎯
توی این دوره با یه سری مهارت عملی و کاربردی آشنا می‌شید که توی پروژه‌های واقعی به کارتون میاد:
پیاده‌سازی شبکه‌های عصبی (یادگیری عمیق) در پایتون
ساخت شبکه‌های Multi-layer Perceptron (MLP) و Convolutional
آشنایی با مباحث مهمی مثل Transfer Learning، Overfitting و Regularization
بررسی دقیق و عمیق کتابخانه‌های تنسورفلو و کراس
پیاده‌سازی شبکه‌های Sequential، Functional و Subclass
بهینه‌سازی پارامترهای شبکه‌های عصبی
انتخاب ترکیب مناسب activation function و initialization
شناخت بهینه‌سازها و برنامه‌های زمانی متناسب
راهکارهای مقابله با Overfitting
ارزیابی عدم قطعیت پیش‌بینی شبکه‌های عصبی
استفاده از شبکه‌های قدرتمند آماده (Transfer Learning)
یادگیری عمیق، تنسورفلو و کراس چی هستن؟
یادگیری عمیق یکی از شاخه‌های یادگیری ماشین و هوش مصنوعیه که سعی می‌کنه از نحوه کارکرد مغز انسان برای یادگیری الهام بگیره. به بیان ساده‌تر، به کامپیوتر یاد می‌دیم چطور مسائل رو شبیه به روشی که مغز ما حل می‌کنه، حل کنه.
«تنسورفلو» (TensorFlow) یه کتابخانه رایگان و اوپن‌سورسه که تیم Google Brain اون رو توسعه داده. این کتابخانه پرکاربردترین ابزار در پیاده‌سازی شبکه‌های عصبی محسوب می‌شه. کراس (Keras) هم یه کتابخانه سطح‌بالا در تنسورفلوئه که کار با شبکه‌های عصبی رو خیلی ساده‌تر می‌کنه.
پیش‌نیازهای دوره
قبل از شروع، بهتره این موارد رو بلد باشید:
زبان پایتون: باید مهارت مناسبی در کار با این زبان داشته باشید. پایتون به خاطر نزدیکی به زبان محاوره انگلیسی، یکی از ساده‌ترین زبان‌ها برای یادگیریه
هوش مصنوعی: آشنایی با مفاهیم اولیه هوش مصنوعی به درک بهتر مطالب کمک می‌کنه
یادگیری ماشین: چون یادگیری عمیق یکی از تکنیک‌های یادگیری ماشینه، درک اون ضروریه
این دوره مناسب چه کسانیه؟
اگه دوره یادگیری ماشین رو گذروندید و با مفاهیم ابتدایی هوش مصنوعی آشنایی دارید، این دوره می‌تونه قدم بعدی مسیر یادگیری یا شغلی‌تون باشه. محتوای دوره طوری طراحی شده که بتونید مسائل دنیای واقعی مثل پردازش تصویر، پردازش زبان طبیعی و پیش‌بینی دنباله‌های عددی رو حل کنید. پس اگه به مباحث پیشرفته هوش مصنوعی و چالش‌های لبه تکنولوژی علاقه دارید، اینجا جای درستیه.
سرفصل‌های دوره
فصل اول: مقدمه‌ای بر یادگیری ماشین
شروع مسیر با پایه‌ریزی درست. این فصل شامل ۴ جلسه (حدود ۴۰ دقیقه)، یک پروژه تمرینی و یک آزمون تشریحیه.
فصل دوم: مبانی یادگیری عمیق
۳۹ جلسه (حدود ۹ ساعت) که از تاریخچه یادگیری عمیق شروع می‌شه و به جمع‌بندی می‌رسه. سه پروژه تمرینی هم برای تثبیت مطالب در نظر گرفته شده.
فصل سوم: شبکه عصبی عمیق
۴۶ جلسه (حدود ۸ ساعت) به همراه ۵ پروژه تمرینی. اینجا مباحث پایه‌ای شبکه‌های عصبی رو یاد می‌گیرید.
فصل چهارم: شبکه کانولوشنال عمیق
۲۲ جلسه (حدود ۳ ساعت) و ۴ پروژه تمرینی. شبکه‌های کانولوشنال از پرکاربردترین الگوریتم‌های شبکه عصبی هستن و کاربرد زیادی در پردازش تصویر دارن.
وجه تمایز این دوره چیه؟
مدرس بعد از ارائه تصویر کلی از یادگیری عمیق، وارد جزئیات پیاده‌سازی می‌شه. هدف نوشتن کدهای طولانی و پیچیده نیست؛ بلکه هر خط کد با جزئیات کامل بررسی و بحث می‌شه. الگوهای پیاده‌سازی کد آموزش داده می‌شه تا بتونید در ادامه مسیر هم ازشون استفاده کنید. مباحث با زبانی ساده بیان می‌شن، ولی پیچیدگی‌های کار با شبکه‌های عصبی هم نادیده گرفته نمی‌شن. هر قدم با توضیح دلیل و منطق پشتش همراهه.
منابع اصلی دوره
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow – Aurélien Géron
Deep Learning – Ian Goodfellow, Yoshua Bengio, Aaron Courville
مستندات رسمی TensorFlow و Keras
گواهینامه و ارزیابی
برای دریافت گواهینامه، باید تمام فصل‌ها رو با نمره بالا تموم کنید. حداقل نمره قبولی ۷۰ از ۱۰۰ هست و ۱۰ هفته فرصت دارید تا دوره رو به اتمام برسونید. اگر به هر دلیلی نتونستید در این بازه نمره لازم رو کسب کنید، امکان تمدید دوره وجود داره.
چطور این دوره به کارم میاد؟
یادگیری عمیق امروز تقریباً توی همه صنایع ردپایی داره. از تشخیص بیماری‌های پوستی با پردازش تصویر گرفته تا سیستم‌های پیشنهاددهنده و تحلیل احساسات. با تسلط بر تنسورفلو و کراس، می‌تونید توی پروژه‌های دانشگاهی، کارآموزی یا حتی پروژه‌های شخصی ازشون استفاده کنید. نکته مهم اینه که الگوهای کدنویسی که یاد می‌گیرید، در ادامه مسیر یادگیری مباحث تکنیکی‌تر هم به کمکتون میاد.
محتوای دوره به تفکیک
یادگیری عمیق با تنسورفلو و کراس را شروع کنید، همین حالا با تخفیف ثبت‌نام
