آموزش یادگیری عمیق پیشرفته: مدلسازي توالي
بررسی کامل دوره
- نظرات :31 نظر4.1
- آموزشگاه:مکتب خونه4.2
- مدرس:پژمان اقبالی4.5
- زمان:67 ساعت و 22 دقیقه
- مدرک:دارد
- توضیحات:دارد
توضیحات
یادگیری عمیق یکی از روشهای یادگیری ماشین و هوش مصنوعی است و در این روش سعی میشود سیستم مغز انسان و شبکههای عصبی انسان را برای ماشینها به کار گرفت.
در این دوره یادگیری عمیق پیشرفته با ساختن مدلهای یادگیری عمیق برای پیشبینی توالی آشنا خواهید شد. دادههای مختلفی در دستهبندی توالی قرار میگیرند؛ مانند سریهای زمانی، فایلهای متنی، ویدئو و فایلهای صوتی.
در این دوره ما بر روی سریهای زمانی تمرکز خواهیم داشت؛ مانند دادههای مالی. هرچند مدلهای معرفی شده را میتوان برای کار با انواع دادههای از جنس توالی به کاربرد. به این منظور در این دوره شما با مدلهای Recurrent neural network (RNN)، Transformers و Convolutional neural network (CNN) برای کار با دادههای از جنس توالی آشنا خواهید شد.
در دوره یادگیری عمیق پیشرفته به مباحثی همچون موارد زیر پرداخته شده است:
معرفی معماریهای RNNلایه simpleRNN در تنسورفلودانلود دیتاست
تغییر فرمت داده به فرمتی مناسب برای لایه RNN در تنسورفلو
پیادهسازی مدل simpleRNN در تنسورفلو
معرفی LSTM
پیادهسازی مدل LSTM در تنسورفلو
پیشبینی احتمالاتی با مدل Autoregressive recurrent network
معرفی ماژول Darts برای پیشبینی سریهای زمانی
مروری بر امکانات تولید داده Darts
پیادهسازی مدل RNN احتمالاتی با Darts
معرفی یک دیتاست و امکانات پردازش داده در Darts
اضافهکردن covariate به سری زمانی
پیادهسازی مدل RNN احتمالاتی روی داده با covariate
معرفی historical_forecast و backtest در Darts
پیادهسازی historical_forecast
معرفی مدل N-BEATS
پیادهسازی مدلهای Transformer مانند Temporal Fusion Transforme برای پیشبینی توالی
پیادهسازی مدلهای Convolutional مانند Temporal Convolutional Network برای پیشبینی توالی
پیادهسازی مدلهای classification برای دادههای از جنس توالی
در انتهای این دوره شرکتکنندگان موضوعات زیر را فرا خواهند گرفت:
پیادهسازی شبکههای شامل RNN ساده
پیادهسازی شبکههای شامل LSTM و انواع مختلف آن
پیادهسازی پیشبینیهای احتمالاتی برای کار با توالیها با مدل deepAR
پیادهسازی مدلهای Transformer برای پیشبینی توالی
پیادهسازی مدلهای Convolutional برای پیشبینی توالی
آشنایی با کتابخانه GluonTS
آشنایی با کتابخانه Darts
هدف از برگزاری دوره آموزش یادگیری عمیق پیشرفته: مدلسازی توالی چیست؟
هدف از برگزاری این دوره آشنایی شرکتکنندگان با ویژگیهای یادگیری عمیق و یادگیری چگونگی ساختن مدلهای یادگیری عمیق برای پیشبینی توالی آشنا خواهید شد. در این دوره شرکتکنندگان با پیادهسازی قویترین مدلهای موجود برای پیشبینی توالی آشنا خواهند شد. در انتهای این دوره افراد قادر خواهند بود مدلهای قدرتمند را با کتابخانههای مختلفی در پایتون بسازند. با استفاده از آموزشهای این دوره افراد برای کار در زمینههای مختلف که با دادههای از جنس توالی سروکار دارند آماده خواهند شد.
دوره آموزش یادگیری عمیق پیشرفته: مدلسازی توالی برای چه کسانی مناسب است؟
این دوره مناسب کسانی است که با مقدمات یادگیری عمیق و لایههای Dense و Convolutional و نحوه عملکرد backpropagation آشنا هستند و علاقهمند به کار یا تحقیق در زمینههایی که با دادههای از جنس توالی سروکار دارند مانند دادههای مالی، هواشناسي، سیستمهای اندازهگیری، صوت و ویدئو و… هستند.
این دوره در سطح پیشرفته برگزار میشود و برای حضور در این دوره نیاز است تا مخاطبان با مباحث مقدماتی آشنایی داشته باشند.
دوره آموزش یادگیری عمیق پیشرفته: مدلسازي توالي دورهای با امتیاز نهایی 4.8 میباشد و توسط دوره بین که موتور جستجوی بهترین دوره های آموزشی میباشد، تحلیل، بررسی و امتیازدهی شده است. مدت زمان این دوره 67 ساعت و 22 دقیقه میباشد که در مکتب خونه توسط پژمان اقبالی مدرس این دوره ارائه شده است. قابل توجه است که این دوره مدرک دارد و دوره مذکور 1,199,000 تومان میباشد.
همچنین میتوانید با کلیک بر روی دکمه شروع یادگیری به آموزشگاه ارائهدهنده متصل شوید و دوره آموزش یادگیری عمیق پیشرفته: مدلسازي توالي را تهیه نمایید.
علاوه بر این، شما عزیزان میتوانید همه دورههای علوم داده و هوش مصنوعی سراسر اینترنت را در صفحه علوم داده و هوش مصنوعی در دورهبین مشاهده، مقایسه و بهترین دوره از نظر کیفیت و قیمت را به آسانی انتخاب نمایید.
نظرات فراگیران
عبدالرحیم
برنامه ریزی دوره خوب، محتوای دوره با کیفیت و نحوه تدریس عالی بود.
جواد
اگر با مفاهیم سرفصلهای دوره آشنایی ندارید، برای شروع کار با دادههای سری زمانی (نه NLP) میتونه دوره خوبی باشه. همچنین کاش استاد دوره، اسلایدهای تدریس شده رو هم در اختیار دانشجویان قرار بدن.
اح
بر خلاف عنوانش برای ورود و اشنایی خوبه -معرفی دو کتابخانه darts , glounts خوب بود -مدرس به مفاهیم سریهای زمانی ومراحل انجام پروژهای سری زمانی اشنایی کامل ندارند ولی به تنسورفلو و کتابخانهایی که درس دادند تسلط کافی دارند
مسلم
من انتظار داشتم با توجه به اسم دوره که نوشته #پیشرفته، مطالب پیشرفته تری بیان بشه و بیشتر به مثالهای واقعی تر و چالش های واقعی تر پرداخته بشه ولی اصلا اینطوری نیست. برای مثال در دنیای واقعی طول X_train خیلی وقتها انقدر بزرگه که روی رم جا نمیشه و گوگل کولب خطا میده و نیاز هست ما از generator ها استفاده کنیم. من اصلا خرید این دوره رو پیشنهاد نمی کنم و خودمم از خرید دوره واقعا پشیمونم. خیلی ساده و ابتدایی هست.