یادگیری ماشین با سی پلاس پلاس - از اصول تا استقرار

آنچه یاد خواهید گرفت:

• اصول یادگیری ماشین را درک کنید و مفاهیم ریاضی مانند جبر خطی را در مسائل واقعی یادگیری ماشین به کار ببرید.
• مدل‌های یادگیری ماشین، از جمله سریال‌سازی، اکسپورت ONNX، پیگیری آزمایش و استقرار در موبایل با کاربردهای بلادرنگ را در محیط عملیاتی مستقر کنید.
• الگوریتم‌های یادگیری ماشین، از جمله رگرسیون، طبقه‌بندی، خوشه‌بندی، تشخیص ناهنجاری و سیستم‌های توصیه‌گر را در سی پلاس پلاس پیاده‌سازی کنید.
• مدل‌های یادگیری عمیق مانند شبکه‌های عصبی، شبکه‌های کانولوشن و ترنسفورمرها را بسازید و بهینه‌سازی کنید و هم‌زمان از تکنیک‌های یادگیری انتقالی بهره ببرید.

پیش‌نیازهای دوره

• دانش اولیه برنامه‌نویسی سی پلاس پلاس (متغیرها، توابع و برنامه‌نویسی شیءگرا)
• آشنایی اولیه با ریاضیات (جبر خطی، احتمال و آمار مفید هستند، اما الزامی نیستند)

توضیحات دوره

این دوره شامل استفاده از هوش مصنوعی است.

این دوره طوری طراحی شده است که شما را به یک سفر کامل به دنیای یادگیری ماشین با یکی از قدرتمندترین زبان‌های عملکرد محور، یعنی سی پلاس پلاس، ببرد. برخلاف بسیاری از منابع یادگیری ماشین که فقط به پایتون متکی هستند، این دوره به شما مهارت‌های لازم را می‌دهد تا مدل‌ها را مستقیماً در سی پلاس پلاس پیاده‌سازی، بهینه‌سازی و مستقر کنید و در عین حال ارتباط آن را با کتابخانه‌ها و فریم‌ورک‌های محبوب حفظ کنید.

ما با مبانی اصلی یادگیری ماشین شروع می‌کنیم و مفاهیم ضروری در ریاضیات، جبر خطی و رگرسیون را معرفی می‌کنیم. سپس یاد می‌گیرید چگونه به‌طور مؤثر با داده کار کنید که شامل تحلیل فرمت‌ها، پیش‌پردازش و دستکاری تصاویر است. پس از آماده‌سازی داده، وارد ارزیابی و انتخاب مدل می‌شویم و معیارهای عملکرد، تکنیک‌های جستجوی grid و استراتژی‌های بهینه‌سازی را بررسی می‌کنیم.

در ادامه، به روش‌های یادگیری نظارت‌نشده و تحت نظارت، از جمله خوشه‌بندی، تشخیص ناهنجاری، طبقه‌بندی، سیستم‌های توصیه‌گر و روش‌های جمعی مسلط می‌شوید. سپس، به سراغ یادگیری عمیق می‌رویم و شبکه‌های عصبی، شبکه‌های کانولوشن، ترنسفورمرها و یادگیری انتقالی با BERT را همگی در اکوسیستم سی پلاس پلاس پوشش می‌دهیم.

در نهایت، این دوره شما را برای دنیای واقعی مهندسی یادگیری ماشین آماده می‌کند و یاد می‌دهد چگونه مدل‌ها را سریال‌سازی کنید، فرمت‌های ONNX را اکسپورت کنید، آزمایش‌ها را پیگیری کنید و مدل‌ها را در دستگاه‌های موبایل با کاربردهای بلادرنگ مانند تشخیص اشیا در اندروید مستقر کنید.

در پایان دوره، شما فقط دانش تئوری نخواهید داشت، بلکه مهارت‌های عملی و آماده تولید برای ساخت سیستم‌های یادگیری ماشین از ابتدا در سی پلاس پلاس را نیز بدست می‌آورید. چه یک مهندس مشتاق، پژوهشگر یا توسعه‌دهنده باشید که می‌خواهد از قدرت هوش مصنوعی در مقیاس بزرگ استفاده کند، این دوره به شما اعتمادبه‌نفس لازم را می‌دهد تا ایده‌های خود را به واقعیت تبدیل کنید.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان سی پلاس پلاس که می‌خواهند مهارت‌های خود را به یادگیری ماشین و هوش مصنوعی گسترش دهند.
• دانشجویان و پژوهشگران علوم کامپیوتر که به دنبال پایه‌ای قوی در مفاهیم و پیاده‌سازی‌های یادگیری ماشین هستند.
• مهندسان نرم‌افزار که به استقرار سیستم‌های یادگیری ماشین پربازده در کاربردهای واقعی علاقه‌مندند.
• علاقه‌مندان و افراد خودآموز هوش مصنوعی که می‌خواهند یادگیری ماشین را فراتر از پایتون بررسی کنند و مستقیماً با سی پلاس پلاس کار کنند.