یادگیری عمیق برای علم داده

یادگیری عمیق را در 48 ساعت فرا بگیرید!

خرید این دوره

6 میلیون تومان و 500 هزار تومان

خرید کلی

تخفیف بگیرید!

مجازی

کلـــــــاس

تخفــــیف

مدرس دوره

دکتر مسعود مظلوم

گوگل

” “

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ، و با استفاده از طراحان گرافیک است.

دکتر محمد ارزانی

مدیر آموزش در هلدینگ فناپ

” “

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ، و با استفاده از طراحان گرافیک است.

دکتر حسین آذربنیاد

مهندس ارشد یادگیری ماشین در Elsevier

” “

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ، و با استفاده از طراحان گرافیک است.

دکتر امیرحسین حبیبیان

مدیر مهندسی در مرکز هوش مصنوعی Qualcomm

” “

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ، و با استفاده از طراحان گرافیک است.

یادگیری عمیق زیرمجموعه‌ای از هوش مصنوعی است که از شبکه‌های عصبی مصنوعی برای یادگیری استفاده می‌کنند. شبکه‌های عصبی مصنوعی از ساختار مغز انسان الهام گرفته‌شده و می‌توانند با حجم عظیمی از داده‌ها آموزش یابند، و الگوها و روابط پیچیده در داده‌ها را کشف نمایند.

یادگیری عمیق به دلیل توانایی بالا در حل مسائل پیچیده در حوزه‌های مختلف، مانند: بینایی ماشین، پردازش زبان طبیعی، تشخیص گفتار، رباتیکز و ... به سرعت در حال گسترش است.

این دوره برای چه کسانی مناسب است؟

افرادی که به زبان پایتون و مفاهیم مقدماتی هوش‌مصنوعی آشنا هستند و بدنبال آشنایی با هوش‌مصنوعی مدرن هستند.

افرادی که به دنبال استفاده از مدل‌های از پیش‌آموزش دیده جهت حل مسائل کاربردی هستند.

علاقه‌مندان به علم داده که به دنبال حل مسائل معروف هوش مصنوعی با استفاده از مدل‌های مدرن (state of the art) هستند.

کسانی که می‌خواهند با داده‌های در دسترس خود، نحوه آموزش و fine-tune مدل‌های عمیق را فرا گیرند.

دانش پژوهان در این دوره چه دانشی را فرا می‌گیرند؟

آشنایی با مفاهیم مقدماتی، از جمله: معماری‌های شبکه‌ عصبی، توابع فعال‌ساز، تابع‌ زیان، روش‌های بهینه‌سازی، الگوریتم پس انتشارخطا، معیارهای ارزیابی

انواع مختلف معماری‌های یادگیری عمیق، مانند: MLP, RNN, LSTM, CNN و ....

آشنایی با معماری، مدل‌ها و روش‌های یادگیری ماشین مدرن (state of the art)

Federated Learning

Meta Learning

Graph Neural Networks (GNNs)

Generative Adversarial Networks (GANs)

Variational Autoencoders (VAEs)

Transformers

Advanced Applications of Transformers

Diffusion Models

آشنایی با کتابخانه‌های یادگیری عمیق مانند TensorFlow ، PyTorch و مهارت‌های عملی در پیاده‌سازی، آموزش و آزمون این مدل‌ها

آشنایی با استفاده از مدل‌های یادگیری عمیق جهت حل مسائل مختلف در حوزه‌های بینایی ماشین (Computer Vision)، پردازش زبان طبیعی (NLP) و ...

ارائه مدرک معتبر
از دانشگاه تهران

در صورت اتمام دوره‌ها بر اساس مسیر مشخص، باتوجه به عملکرد خود در تمارین و پروژه‌های طول مسیر، مدرک دانشگاه تهران داده خواهد شد. با مراجعه به صفحه "درباره مسیر داده" می‌توانید اطلاعات بیشتری در رابطه با مسیرهایی که می‌توانید طی کنید، بدست آورید؛ به طور خلاصه شما 3 مسیر برای پیمایش خواهید داشت تا به یکی از نقش‌های تحلیلگر داده (Data Analytics) یا مهندس یادگیری ماشین (ML Engineer) یا دانشمند‌ داده (Data Scientist) از صفر تا یک تبدیل بشوید. توجه داشته باشید که در صورت پیمایش کامل مسیر داده، شما به دانشمند‌ داده (Data Scientist) خبره تبدیل خواهید شد. از صفر تا یک .... !!!

همچنین پس از اتمام هر دوره، از طرف مرکز نوآوری علم داده (ICDS) به شما مدرک پایان دوره، با توجه به نحوه عملکرد خود در تمارین و پروژه ها، داده خواهد شد.

ثبت نام سازمانی

جهت ارتقای سطح علمی و فنی کشور عزیزمان، تسهیلاتی جهت ثبت نام کارمندان صنایع، سازمان‌ها و کسب‌وکارها در نظر گرفته شده است. می‌توانید با مراجعه به صفحه "ثبت نام سازمانی" اطلاعات بیشتری دریافت نمایید؛ همچنین جهت اطلاعات بیشتر و مشاوره، با مراجعه به صفحه گفته شده، فرم "تماس با ما" را تکمیل فرمایید تا کارشناسان مرکز نوآوری علم داده (ICDS) با شما تماس حاصل فرمایند.

ورود به صفحه ثبت نام سازمانی

سوالات متداول

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم با استفاده از طراحان گرافیک است؟

لورم ایپسوم متن ساختگی با تولید سادگی نامفهوم از صنعت چاپ، و با استفاده از طراحان گرافیک است، چاپگرها و متون بلکه روزنامه و مجله در ستون و سطرآنچنان که لازم است، و برای شرایط فعلی تکنولوژی مورد نیاز، و کاربردهای متنوع با هدف بهبود ابزارهای کاربردی می باشد، کتابهای زیادی در شصت.