کارگاه آنلاین شبکه‌های عصبی و دیپ لرنینگ

مدت: ۱۲ ساعت
زمان برگزاری: شروع از یکشنبه، ۱۵ مهر
  • از طریق PC، لپ‌تاپ، موبایل و تبلت می‌توانید در کلاس زنده شرکت کنید.
  • ویدیوی این کلاس ضبط می‌شود و به مدت دو سال تحت سیستم‌عامل ویندوز یا مک یا اندروید قابل پخش است.
ثبت‌نام
  • هزینه‌ی ثبت نام
    ۱,۰۸۰,۰۰۰ ۹۱۸,۰۰۰ تومان
  • ۱۵٪ تخفیف تا ۲۸ تیر

ثبت‌نام در کافه‌تدریس
عضویت در کافه تدریس به معنای پذیرفتن قوانین سایت می‌باشد
  • توضیحات

◻️ پیش‌نیاز این کارگاه آشنایی مقدماتی با زبان برنامه‌نویسی Python، دانش پایه‌ای از مفاهیم ماشین لرنینگ است. 

◻️ در این ورکشاپ، شما با مدل‌های اصلی شبکه‌های عصبی و تکنولوژی‌های پیشرفته Keras و PyTorch به طور کامل آشنا خواهید شد. این دوره برای افرادی طراحی شده است که می‌خواهند به عمق مباحث دیپ لرنینگ بپردازند و توانایی استفاده از ابزارهای قدرتمند Python را به‌دست آورند.
در پایان این ورکشاپ، شما توانایی طراحی، پیاده‌سازی و بهینه‌سازی شبکه‌های عصبی پیچیده را خواهید داشت و می‌توانید از ابزارهای قدرتمند Python برای حل مسائل مختلف دیپ لرنینگ استفاده کنید. این دوره به شما کمک می‌کند تا با اعتماد به نفس بیشتری در پروژه‌های داده‌محور و هوش مصنوعی فعالیت کنید و دانش خود را به سطح جدیدی ارتقا دهید.
در نهایت گذراندن تمام این ده ورکشاپ شما با مهارت‌های دیتا ساینتیست آشنا شده‌اید و می‌توانید به عنوان دانشمند داده شروع به کار کنید.

آنچه در این ورکشاپ خواهید آموخت

1. شبکه عصبی تمام متصل: درک ساختار و عملکرد شبکه‌های عصبی تمام متصل و کاربردهای آن در مسائل مختلف.
2. شبکه عصبی کانولوشنی: معرفی معماری CNN و نحوه استفاده از آن برای پردازش تصاویر و داده‌های بصری.
3. انواع معماری‌های CNN: بررسی انواع مختلف معماری‌های شبکه‌های عصبی کانولوشنی و کاربردهای هر یک.
4. انواع معماری‌های RNN: آشنایی با معماری‌های مختلف شبکه‌های عصبی بازگشتی و نحوه استفاده از آن‌ها برای داده‌های ترتیبی.
5. ترنسفورمرها: معرفی ترنسفورمرها و کاربرد آن‌ها در پردازش زبان طبیعی و سایر زمینه‌های پیشرفته دیپ لرنینگ.

ابزارهایی که این ورکشاپ بر آن‌ها تمرکز دارد

- Python (Keras, PyTorch): زبان برنامه‌نویسی قدرتمند Python با تمرکز بر کتابخانه‌های Keras و PyTorch برای پیاده‌سازی و آموزش مدل‌های شبکه عصبی.
- HuggingFace: استفاده از پلتفرم HuggingFace برای کار با مدل‌های پیشرفته و یادگیری انتقالی.

رضا شکرزاد
دانش‌آموخته علوم داده از دانشگاه رادبود هلند و مهندسی صنایع از دانشگاه شریف