بوت‌کمپ یادگیری عمیق - شبکه‌های عصبی با پایتون و PyTorch

آنچه یاد خواهید گرفت:

• مبانی یادگیری ماشین
• مبانی شبکه‌های عصبی
• مبانی آموزش شبکه عصبی عمیق (DNN) با استفاده از الگوریتم گرادیان کاهشی
• استفاده از یادگیری عمیق روی مجموعه داده IRIS.
• درک کامل تانسورها و عملیات‌های آنها در PyTorch
• توانایی ساخت و آموزش شبکه‌های عصبی از سطح پایه تا پیشرفته
• آشنایی با توابع ضرر، optimizers و توابع فعال‌سازی
• انجام پروژه کامل تشخیص تومور مغزی با تصاویر MRI و نمایش مهارت‌های خود رد یادگیری عمیق و PyTorch
• تسلط به مبانی تنسورفلو
• تجربه عملی ساخت مدل‌های یادگیری عمیق
• آشنایی با آموزش، ارزیابی و بهینه‌سازی مدل
• اعتمادبه‌نفس در بررسی پروژه‌های پیشرفته هوش مصنوعی و یادگیری ماشین

پیش‌نیازهای دوره

• نیازی به دانش قبلی یادگیری عمیق یا ریاضی نیست. شما همه موارد را از مبانی گام‌به‌گام یاد خواهید گرفت.
• آشنایی اولیه با برنامه‌نویسی پایتون
•  بدون تجربه قبلی در تنسورفلو
• آشنایی اولیه با مفاهیم یادگیری ماشین و پایتون کمک‌کننده است.

توضیحات دوره

در این دوره جامع، یادگیری عمیق را به‌ صورت کاملاً عملی با استفاده از پایتون، PyTorch و تنسورفلو یاد می‌گیرید.

این دوره از مفاهیم پایه شروع می‌شود و به ساخت مدل‌های پیشرفته یادگیری عمیق می‌رسد.

پروژه‌های واقعی مانند طبقه‌بندی IRIS و تشخیص تومور مغزی از تصاویر MRI به‌ صورت عملی پیاده‌سازی می‌شوند.

چه توسعه‌دهنده مبتدی باشید و چه توسعه‌دهنده باتجربه باشید، این دوره یک تجربه یادگیری گام‌به‌گام ارائه می‌دهد که مفاهیم نظری را با کدنویسی عملی ترکیب می‌کند. در پایان سفر، شما درک عمیقی از شبکه‌های عصبی خواهید داشت، در اعمال شبکه‌های عصبی عمیق (DNN) برای حل مسائل واقعی مهارت کسب کرده و در اپلیکیشن‌های پیشرفته یادگیری عمیق مانند شبکه‌های عصبی کانولوشن (CNN) و تشخیص تومور مغزی از تصاویر MRI تخصص پیدا خواهید کرد.

چرا این دوره را انتخاب کنید؟

این دوره با ارائه یک مسیر یادگیری جامع که جنبه‌های ضروری سه فریمورک پیشرو: پایتون، PyTorch و تنسورفلو را یکپارچه می‌کند، متمایز است. با تأکید قوی بر تمرین عملی و کاربردهای واقعی، شما به سرعت از مفاهیم بنیادی به تسلط به تکنیک‌های یادگیری عمیق خواهید رسید و در نهایت به ایجاد مدل‌های پیچیده هوش مصنوعی خواهید پرداخت.

نکات کلیدی:

• پایتون - پایتون را از مبانی یاد می گیرید و به برنامه‌نویسی سطح پیشرفته که برای پیاده‌سازی الگوریتم‌های یادگیری عمیق ضروری است، پیشرفت کنید.
• PyTorch - تسلط به PyTorch برای شبکه‌های عصبی، شامل عملیات‌های تانسور، بهینه‌سازی، autograd و CNNs برای تسک‌های شناسایی تصویر
• تنسورفلو - با استفاده از ابزارهایی مانند Tensorboard برای مصورسازی مدل، پتانسیل تنسورفلو را برای ایجاد مدل‌های یادگیری عمیق قوی آزاد می‌کنید.
• پروژه‌های واقعی - دانش خود را در پروژه‌های هیجان‌انگیزی مانند طبقه‌بندی IRIS، تشخیص تومور مغزی از تصاویر MRI و موارد دیگر به کار می‌گیرید.
• پیش‌پردازش داده‌ و مفاهیم یادگیری ماشین - تکنیک‌های حیاتی پیش‌پردازش داده‌ و اصول کلیدی یادگیری ماشین مانند گرادیان کاهشی، پس‌ انتشار و بهینه‌سازی مدل را می‌آموزید.

بررسی محتوای دوره:

ماژول 1 - مقدمه‌ای بر یادگیری عمیق و پایتون

• مقدمه‌ای بر ساختار دوره، اهداف یادگیری و فریمورک‌های کلیدی
• بررسی برنامه‌نویسی پایتون - از مبانی تا پیشرفته، تضمین اینکه می‌توانید با اطمینان هر مفهوم یادگیری عمیق را پیاده‌سازی کنید.

ماژول 2 - شبکه‌های عصبی عمیق (DNN) با پایتون و NumPy

• برنامه‌نویسی با پایتون و NumPy - درک آرایه‌ها، دیتافریم‌ها و تکنیک‌های پیش‌پردازش داده
• ساخت DNNs از ابتدا با استفاده از NumPy
• پیاده‌سازی الگوریتم‌های یادگیری ماشین، از جمله گرادیان کاهشی، رگرسیون لجستیک، پیشخور و پس‌ انتشار

ماژول 3 - یادگیری عمیق با PyTorch

• آشنایی با تانسورها و اهمیت آنها در یادگیری عمیق
• انجام عملیات‌های روی تانسورها و درک autograd برای تمایز خودکار
• ساخت شبکه‌های عصبی اولیه و پیچیده با PyTorch
• پیاده‌سازی CNNs برای تسک‌های پیشرفته شناسایی تصویر
• پروژه نهایی - تشخیص تومور مغزی با استفاده از تصاویر MRI

ماژول 4 - تسلط به تنسورفلو برای یادگیری عمیق

• به تنسورفلو می‌پردازید و ویژگی‌های اصلی آن را درک می‌کنید.
• اولین مدل یادگیری عمیق خود را با استفاده از تنسورفلو می‌سازید، با یک نورون ساده شروع کرده و به شبکه‌های عصبی مصنوعی (ANN) می‌رسید.
• زمین بازی تنسورفلو - با مدل‌های مختلف تست کرده و عملکرد را مصورسازی می‌کنید.
• بررسی پروژه‌های پیشرفته یادگیری عمیق و درک مفاهیمی مانند گرادیان کاهشی، اپوک‌ها، پس‌ انتشار و ارزیابی مدل

مخاطبان دوره:

• دانشمندان داده مشتاق و علاقه‌مندان به یادگیری ماشین مشتاق توسعه تخصص عمیق در شبکه‌های عصبی
• توسعه‌دهندگان نرم‌افزار که به دنبال گسترش مهارت‌های خود با PyTorch و تنسورفلو هستند.
• تحلیلگران کسب‌و‌کار و علاقه‌مندان به هوش مصنوعی علاقه‌مند به استفاده از یادگیری عمیق در مشکلات واقعی
• کسی که علاقه‌مند به یادگیری نحوه هدایت نوآوری در صنایع مختلف، از مراقبت‌های بهداشتی تا هدایت ماشین‌های خودران است.

آنچه خواهید آموخت:

• برنامه‌نویسی با پایتون، NumPy و Pandas برای دستکاری داده‌ و توسعه مدل
• نحوه ساخت و آموزش شبکه‌های عصبی عمیق و شبکه‌های عصبی کانولوشن با استفاده از PyTorch و تنسورفلو
• کاربردهای عملی یادگیری عمیق مانند تشخیص تومور مغزی و طبقه‌بندی IRIS
• مفاهیم کلیدی یادگیری ماشین، از جمله گرادیان کاهشی، بهینه‌سازی مدل و موارد دیگر
• نحوه پیش‌پردازش و مدیریت کارآمد داده‌ با استفاده از ابزارهایی مانند DataLoader در PyTorch و Transforms برای افزایش داده

این دوره برای چه کسانی مناسب است؟

• علاقه‌مندان به علم داده
• افرادی که می‌خواهند با استفاده از مجموعه داده‌های واقعی در یادگیری عمیق، به شبکه‌های عصبی عمیق (DNN) مسلط شوند.
• افرادی که می‌خواهند شبکه‌های عصبی عمیق (DNN) را در پروژه‌های واقع‌گرایانه پیاده‌سازی کنند.
•  توسعه‌دهندگان نرم‌افزار و دانشمندان داده که به دنبال گسترش مهارت‌های خود با PyTorch هستند.
• مبتدیانی که می‌خواهند وارد حوزه یادگیری عمیق و هوش مصنوعی شوند.
• کسی که در مورد یادگیری عمیق و تنسورفلو کنجکاو است.