دوره آموزشی یادگیری عمیق با پایتون: معرفی عملی مدلهای یادگیری عمیق
1 ساعت 55 دقیقهمتوسط2025-02-27
مدرسین
Frederick Nwanganga
Information Technology Professional and Teacher
جزئیات دوره
این دوره آموزشی برای کسانی است که میخواهند با یادگیری عمیق (Deep Learning) شروع کنند و از آن استفاده کنند. در این دوره مقدماتی، مربی فردریک نوانگانگا مفاهیم و تکنیکهای پایهای را که برای درک و پیادهسازی مدلهای ساده یادگیری عمیق نیاز دارید، آموزش میدهد. شما با مثالهای عملی و تمرینهای برنامهنویسی بهطور مستقیم با مفاهیم آشنا میشوید و آماده میشوید تا موضوعات پیچیدهتر یادگیری عمیق را در آینده بیاموزید.
هدفهای یادگیری:
آشنایی با مفاهیم پایهای شبکههای عصبی و یادگیری عمیق.
یادگیری مفاهیم ریاضی ضروری برای درک یادگیری عمیق.
ساخت یک مدل یادگیری عمیق با استفاده از پایتون و ارزیابی عملکرد آن.
هدفهای یادگیری:
آشنایی با مفاهیم پایهای شبکههای عصبی و یادگیری عمیق.
یادگیری مفاهیم ریاضی ضروری برای درک یادگیری عمیق.
ساخت یک مدل یادگیری عمیق با استفاده از پایتون و ارزیابی عملکرد آن.
مهارت ها
Neural Networks and Deep LearningPythonArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
مقدمه
- شروع به یادگیری عمیق
- آنچه باید بدانید
- استفاده از فایلهای تمرین
مبانی شبکههای عصبی
- شبکههای عصبی مصنوعی چیست؟
- شبکههای عصبی چگونه پیشبینی میکنند
- توابع فعال سازی در شبکههای عصبی
- شبکه عصبی چگونه یاد میگیرد
مقدمه ای بر یادگیری عمیق
- یادگیری عمیق چیست
- انواع مدلهای یادگیری عمیق
- تکامل هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق
- کاربردهای واقعی یادگیری عمیق
- چالشهای یادگیری عمیق
مبانی ریاضی یادگیری عمیق
- بردارها و ماتریس ها
- تانسورها
- مشتقات، مشتقات جزئی و قاعده سلسله
- نزول گرادیان
طبقه بندی متن با شبکههای عصبی عمیق
- آماده سازی برای ساخت یک مدل یادگیری عمیق در پایتون
- تعریف مدل یادگیری عمیق در پایتون
- آموزش مدل یادگیری عمیق در پایتون
معیارهای عملکرد مدل
- ارزیابی مدل یادگیری عمیق - دقت پیش بینی
- ارزیابی مدل یادگیری عمیق - ماتریس سردرگمی
- ارزیابی مدل یادگیری عمیق - دقت
- ارزشیابی مدل یادگیری عمیق - یادآوری
- ارزیابی مدل یادگیری عمیق - امتیاز F1
نتیجه گیری
- با یادگیری عمیق ادامه دهید