اطلاعات دوره
مسیر یادگیری اختصاصی برای تو !
آموزش رایگان یادگیری عمیق با پایتون
مسیر آموزشی

آموزش رایگان یادگیری عمیق با پایتون

رایگان

بررسی کامل دوره

ranking course dorebin logo5/5
وضعیت قیمت: رایگان
بالاتر از انتظار
منصفانه
ارزان

توضیحات

یادگیری عمیق (Deep Learning) که همچنین به عنوان یادگیری ساختار یافته عمیق یا یادگیری سلسله مراتبی نیز شناخته می‌شود، زیرمجموعه‌ای از یادگیری ماشین است. این دوره آموزش یادگیری عمیق با پایتون با هدف آموزش عملی این ترند جذاب در مکتب خونه ارائه شده که در ادامه به معرفی این دوره آموزش خواهیم پرداخت و در بخش بیشتر بدانید اطلاعات کاملی را از یادگیری عمیق ارائه خواهیم کرد. هدف از برگزاری دوره آموزش یادگیری عمیق با پایتون چیست؟ دوره آموزش رایگان یادگیری عمیق با پایتون به‌منظور آموزش اصول پایه‌ای یادگیری عمیق و استفاده از این اصول در زمینه‌های مختلف یادگیری عمیق مخصوصاً vision computer تهیه و تدوین شده است. این دوره آموزشی به‌صورت مرحله‌به‌مرحله و با استفاده از مثال‌های کاربردی شما را با مفاهیم زیر آشنا خواهد کرد. سرفصل‌های دوره دیپ لرنینگ با پایتون سرفصل‌های دوره آموزش یادگیری عمیق با پایتون به صورت زیر خواهد بود: مقدمه‌ای بر یادگیری عمیق و معرفی library استفاده‌شده در این دوره شبکه‌های عصبی (Neural networks) و نحوه پیاده‌سازی آن‌ها در PyTorch آشنایی با مفهوم تنسور و نحوه کار کردن با آن‌ها در PyTroch فرایند طراحی و استفاده از مدل‌های deep learning آشنایی با روش stochastic gradient descent و نحوه پیاده‌سازی آن در PyTorch آشنایی با convolutional neural networks (CNNs) نحوه طراحی و train کردن یک مدل تشخیص عکس در PyTorch و fastai دوره آموزش رایگان یادگیری عمیق با پایتون برای چه کسانی مناسب است؟ این دوره آموزش یادگیری عمیق با پایتون نقطه شروع بسیار خوبی برای افرادی است که هیچ تجربه‌ای در این زمینهٔ ندارند و تصمیم به شروع آموزش این مبحث گرفته‌اند. برای استفاده از مطالب ارائه‌شده در این دوره نیاز به دانش ریاضیات چندانی نیست اما بهتر است که تا حدودی با برنامه‌نویسی پایتون آشنایی داشته باشید. همچنین این دوره آموزشی به دانشجویان رشته‌های مهندسی کامپیوتر در دو گرایش هوش مصنوعی و نرم‌افزار بسیار کمک خواهد کرد تا مفاهیم را به شکل حرفه‌ای‌تری برای انجام پروژه‌های دانشگاهی و درسی یاد بگیرند. تمایز دوره آموزش یادگیری عمیق با پایتون با سایر دوره‌ها اصلی‌ترین ویژگی متمایزکننده این دوره با سایر دوره‌های موجود در این است که مدرس این دوره برای توضیح مفاهیم اساسی یادگیری ماشین از مثال‌های کاربردی استفاده می‌کند و در ادامه مفاهیم ریاضی مربوط به آن‌ها را مطرح می‌کند. با استفاده از این روش مخاطب طی استفاده از چند ویدئو اول این دوره آموزش یادگیری عمیق با پایتون با چگونگی طراحی مدل‌های نسبتاً پیشرفته و تکنیک‌های مورداستفاده برای پیاده‌سازی این مدل‌ها آشنا می‌شود و مفاهیم ریاضی را نیز با توجه ‌به کاربرد آن‌ها بهتر و عمیق‌تر درک خواهد کرد. منابع مورد استفاده در دوره آموزش Deep Learning منبعی که برای آموزش این دوره یادگیری عمیق با پایتون مورد استفاده قرار گرفته، علاوه بر اطلاعات مدرس دوره، منبع زیر بوده است: Howard, Jeremy, and Sylvain Gugger. Deep Learning for Coders with fastai and PyTorch. O'Reilly Media, 2020.
دوره آموزش رایگان یادگیری عمیق با پایتون دوره‌ای با امتیاز نهایی 5 می‌باشد و توسط دوره بین که موتور جستجوی بهترین دوره‌ های آموزشی می‌باشد، تحلیل، بررسی و امتیازدهی شده است. مدت زمان این دوره 2 ساعت و 46 دقیقه می‌باشد که در مکتب خونه توسط سروش حیدری پهلویان مدرس این دوره ارائه شده است. قابل توجه است که این دوره مدرک دارد و دوره مذکور رایگان می‌باشد.
همچنین می‌توانید با کلیک بر روی دکمه شروع یادگیری به آموزشگاه ارائه‌دهنده متصل شوید و دوره آموزش رایگان یادگیری عمیق با پایتون 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.

نمایش بیشتر

نظرات فراگیران

رضا

عالی بود. تسلط استاد بر روی مباحث تدریسی بسیار بالاست و فن بیان بسیار خوبی دارند. بی صبرانه منتظر دیدن ادامه ویدئوهای آموزشی از دکتر سروش پهلویان عزیز هستم.

کاربر مکتب‌خونه

بی نظیر تدریس میکنه ، واقعا ی دنیا ممنون

سید امین

استاد اگه ممکن است یک فیلم در مورد one shot learning ضبط کنید . باتشکر از زحمات شما

کاربر مکتب‌خونه

از زحمات مدرس و مکتب خانه بسيار سپاسگزارم و در اين تايم كم، عالی است. كاور كلی مطالب wide و مناسب است. شيوه ي تدريس جذاب و عالی. دو پيشنهاد: 1- كدهاي جلسات شش و هفت هم در گيت-هاب قرار دهيد. 2- ايراد کوچکی كه حس ميشه: flow كدها كمي نامشخص است و يهو يك بلاك جديد نوشته ميشود. شايد بهتر باشه اول يك overview از همه ی گام ها (كاملا end-to-end)، نيز متغييرهای موجود (يا مورد نياز) همراه با نوع مورد نيازشان، شبيه به يك سودوكد اوليه، گفته شود. بعد هر بلاك ازين سودوكد تكميل شود. اينطوري كمتر متغييرهاي غيرضروري و يا با نام تكراري استفاده ميشه. مجددا سپاس. آرزوي موفقيت.

کاربر مکتب‌خونه

کلاس خیلی جذاب و کاربردی بود. مشتاق دیدن جلسه های آینده هستم

نمایش بیشتر

دوره‌های مشابه

مطالب دوست‌داشتنی