آموزش یادگیری عمیق (Deep Learning) - درس پنجم: سخت‌افزارها، نرم‌افزارها و برنامه‌نویسی یادگیری عمیق

توضیحات:

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/FVML9511

یادگیری عمیق (Deep learning) شاخه ای از بحث یادگیری ماشین و هوش مصنوعی و مجموعه ای از الگوریتم هایی است که تلاش می کنند مفاهیم انتزاعی سطح بالا را با استفاده از یادگیری در سطوح و لایه های مختلف مدل کنند. مطالعات بالینی نشان می دهند که ساختار مغز پستانداران از معماری شبکه های عصبی عمیق بهره می برد که در آن، مفاهیم انتزاعی در لایه های مختلف، به ترتیب از مفاهیم و ویژگی های ساده تا مفاهیم سطح بالا، در نواحی مختلف قشر مغز، پردازش می شوند. ایده یادگیری عمیق با الهام از ساختار طبیعی مغز انسان و به کمک امکانات و فن آوری های جدید، توانسته است در بسیاری از حوزه های مربوط به هوش مصنوعی و یادگیری ماشین، موفقیت های چشم گیری را کسب کند.

مهم ترین مزایای یادگیری عمیق عبارت اند از:

یادگیری خودکار ویژگی ها
یادگیری چند لایه ویژگی ها
دقت بالا در نتایج
قدرت تعمیم بالا و شناسایی داده های جدید
پشتیبانی گسترده سخت افزاری و نرم افزاری
پتانسیل ایجاد قابلیت ها و کاربردهای بیشتر در آینده


سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: مقدمه و معرفی یادگیری عمیق (Deep learning)
معرفی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
تاریخچه یادگیری عمیق
کاربردهای یادگیری عمیق
مزایا و چالش های یادگیری عمیق
درس دوم: روش ها و مدل های یادگیری عمیق
معرفی مدل های یادگیری عمیق
یادگیری بدون نظارت (Unsupervised)
مدل های خود رمزنگار (Auto Encoder)
مدل های شبکه عصبی عمیق مولد (Generative adversarial network)
یادگیری با نظارت (Supervised)
مدل های شبکه عصبی کانولوشنی (Convolutional neural network)
مدل های شبکه عصبی بازگشتی (Recurrent neural network)
درس سوم: جزئیات شبکه های عصبی کانولوشنی
لایه های کانولوشن
لایه های کاهش اندازه
مدل های برتر شبکه های عصبی کانولوشنی
درس چهارم: نحوه آموزش شبکه های عصبی
آماده سازی داده های آموزش
انتخاب معماری مناسب شبکه
الگوریتم های آموزش و بهینه سازی
تکنیک های تنظیم و بهبود روند آموزش
تکنیک Batch Normalization
تکنیک Dropout
تکنیک انتقال یادگیری (Transfer Learning)
درس پنجم: سخت افزارها، نرم افزارها و برنامه نویسی یادگیری عمیق (با پایتون)
معرفی سخت افزارهای مناسب برای پیاده سازی ایده های یادگیری عمیق
معرفی نرم افزارها و کتابخانه های برنامه نویسی حوزه یادگیری عمیق
نحوه راه اندازی بسترهای کدنویسی پایتون، Keras و TensorFlow در ویندوز
مثال های برنامه نویسی در کتابخانه Keras به زبان پایتون

مدرس: مهندس سعید محققی

لغات کلیدی:

آموزش, یادگیری, عمیق, (Deep, learning)

درباره ما | تماس با ما | قوانین تخته سفید