دوره آموزشی شروع به کار با یادگیری عمیق (2021)

یادگیری عمیق (Deep Learning) در سال‌های اخیر به یکی از مهم‌ترین فناوری‌های هوش مصنوعی تبدیل شده است و امروزه بسیاری از سیستم‌های هوشمند، از تشخیص تصویر و پردازش زبان طبیعی گرفته تا خودروهای خودران و مدل‌های زبانی بزرگ، بر پایه این فناوری توسعه یافته‌اند. با وجود اهمیت بالای این حوزه، بسیاری از منابع آموزشی یادگیری عمیق به مباحث پیچیده ریاضی وابسته هستند و یادگیری آن‌ها برای افرادی که پیش‌زمینه قوی در ریاضیات ندارند، دشوار است.

این دوره با هدف ساده‌سازی مفاهیم یادگیری عمیق طراحی شده است تا متخصصان فناوری اطلاعات، برنامه‌نویسان، دانشجویان و علاقه‌مندان به هوش مصنوعی بتوانند بدون درگیر شدن با فرمول‌های پیچیده، مفاهیم اصلی را یاد بگیرند و در مدت کوتاهی مدل‌های یادگیری عمیق را پیاده‌سازی کنند.

در ابتدای دوره، با مفاهیم پایه یادگیری عمیق و تفاوت آن با یادگیری ماشین سنتی آشنا می‌شوید. سپس ساختار و عملکرد شبکه‌های عصبی مصنوعی (Artificial Neural Networks) و معماری‌های مختلف آن‌ها را بررسی می‌کنید و درک می‌کنید که چگونه این شبکه‌ها از داده‌ها یاد می‌گیرند.

در ادامه، اجزای اصلی شبکه‌های عصبی مانند نورون‌ها، لایه‌ها، توابع فعال‌سازی (Activation Functions)، وزن‌ها، بایاس‌ها و فرآیند آموزش مدل به‌صورت ساده و قابل فهم آموزش داده می‌شود. مدرس تمامی این مفاهیم را همراه با مثال‌های عملی توضیح می‌دهد تا درک آن‌ها آسان‌تر شود.

یکی از بخش‌های کاربردی دوره، پیاده‌سازی عملی این مفاهیم با استفاده از Keras است. شما یاد می‌گیرید چگونه شبکه‌های عصبی را طراحی، آموزش و ارزیابی کنید و هر یک از اجزای اصلی مدل را در قالب کدنویسی واقعی پیاده‌سازی نمایید.

در بخش پایانی، تمامی مباحث آموزش‌داده‌شده در قالب یک پروژه عملی کامل (End-to-End Project) کنار هم قرار می‌گیرند تا بتوانید روند کامل توسعه یک مدل یادگیری عمیق را از ابتدا تا انتها تجربه کنید.

در پایان دوره نیز با حل یک مسئله واقعی یادگیری عمیق، دانش خود را محک می‌زنید و راه‌حل خود را با راهکار ارائه‌شده توسط مدرس مقایسه می‌کنید تا نقاط قوت و ضعف خود را بهتر بشناسید.

این دوره برای برنامه‌نویسان، متخصصان فناوری اطلاعات، دانشجویان علوم کامپیوتر، علاقه‌مندان به هوش مصنوعی و یادگیری ماشین و افرادی که قصد ورود به دنیای Deep Learning را دارند گزینه‌ای بسیار مناسب است.

🎯 اهداف یادگیری
درک مفاهیم پایه و کاربردهای یادگیری عمیق در هوش مصنوعی
آشنایی با ساختار و عملکرد شبکه‌های عصبی مصنوعی (Artificial Neural Networks)
شناخت معماری‌های مختلف شبکه‌های عصبی و موارد استفاده آن‌ها
درک اجزای اصلی شبکه‌های عصبی مانند نورون‌ها، لایه‌ها، وزن‌ها و توابع فعال‌سازی
یادگیری فرآیند آموزش، ارزیابی و بهینه‌سازی مدل‌های یادگیری عمیق
پیاده‌سازی اجزای شبکه‌های عصبی با استفاده از کتابخانه Keras
ساخت و آموزش مدل‌های یادگیری عمیق از طریق مثال‌های عملی
اجرای یک پروژه کامل یادگیری عمیق از مرحله آماده‌سازی تا ارزیابی مدل
حل یک مسئله واقعی Deep Learning و مقایسه راه‌حل با نمونه مدرس
کسب آمادگی برای ادامه یادگیری مباحث پیشرفته‌تر یادگیری عمیق و هوش مصنوعی