آموزش ترکیبی یادگیری ماشین و عمیق مقدماتی با پایتون
یادگیری عمیق زیر شاخه ای از یادگیری ماشین است، که اساس آن، بر مبنای یادگیری و نمایش ویژگیها در لایههای مدل است و به زبان ساده تر، هدف اصلی یادگیری عمیق، استخراج ویژگی ها، به صورت هوشمند و طی چند مرحله یادگیری است. نخستین انگیزه در بوجود آمدن این ساختار یادگیری، از بررسی ساختار عصبی مغز انسان الهام گرفته شده است که در آن یاختههای عصبی با فرستادن پیام به یکدیگر، درک را امکانپذیر می کنند.
120,000 تومان
در این دوره آموزشی چه خبره؟
زبان برنامه نویسی پایتون، زبانی با یادگیری آسان محسوب میشود و از همین رو بسیاری از برنامهنویسهای تازهکار آن را به عنوان اولین زبان برنامهنویسی خود برمیگزینند، زیرا پایتون به عنوان یک زبان همهمنظوره ساخته و توسعه داده شده و محدود به توسعه نوع خاصی از نرمافزارها نیست. به بیان دیگر، میتوان از آن برای هر کاری، از تحلیل داده (Data Analysis) گرفته تا ساخت بازیهای کامپیوتری استفاده کرد.
مخاطبین این دوره:
علاقه مندان و دانشجویان مقاطع مختلف رشته های مرتبط، متخصصین علوم داده (Data Scientists)، مهندسین داده (Data Engineers) و نیز تحلیلگران داده (Data Analysts)
اهداف این دوره:
آشنایی با مفاهیم کاربردی یادگیری ماشین و یادگیری عمیق (ژرف) از جمله شبکه های عصبی، توابع فعال ساز، یادگیری با ناظر و بدون ناظر، شبکه های عصبی کانولوشن و بازگشتی، طبقه بندی تصاویر، نحوه کار با داده های متنی و … با بهره گیری از زبان برنامه نویسی پایتون و پلتفرم تنسورفلو.
ویژگی های این دوره:
این دوره به گونه ای آموزش داده شده است که محتوای آن مبتنی بر پروژه های واقعی و کاربردی است تا سطح یادگیری مخاطبین در طول دوره نسبت به کاربردهای عملی ارتقاء یابد.
توضیحات تکمیلی
فرمت تمام ویدئوها بصورت mp4 یا wmv می باشد که به راحتی با نرم افزارهای پخش مدیا اجرا خواهند شد.
در صورت بروز هر گونه مشکل در خرید و دانلود با پست الکترونیکی help.onlinecourses@gmail.com با ما در ارتباط باشید.
سرفصل دوره در بخش زیر قابل مشاهده میباشد.
سرفصل آموزش :
- Crash Course:
- Numpy
- Pandas
- Data visualization
- Scikit learn
- TensorFlow basic
- TensorFlow Graphs
- Variable and Placeholder
- Simple NN
- Regression
- TensorFlow regression
- TF Estimator
- TF classification Estimator
- CNN
- MNIST Dataset overview
- Convolutional NN
- MNIST CNN
- RNN
- Simple RNN
- Generating new sequence
- Word2Vec
- Miscellaneous
- Estimator API
- Keras
- Layers
- TensorBoard
آیا این دوره پیش نیازی دارد؟
معرفی آموزش، زمان و حجم آموزش:
- این دوره شامل ۳۸ بخش می باشد.
- کل زمان آموزش : ۷ ساعت
- حجم دانلود آموزش به دلیل کیفیت بالای ویدئو ۲٫۸ گیگ می باشد.
- ویدئوها در شش پارت تقسیم شده و امکان دانلود پارت به پارت وجود دارد.
- کدهای دوره هم ضمیمه فایل ها می باشد.
شامل هفت درس می باشد.
پارت یک ویدئو
این پارت شامل ۷ درس به همراه فایل های پروژه است
شامل نه درس می باشد.
پارت دو ویدئو
این پارت شامل 9 درس به همراه فایل های پروژه است
شامل پنج درس می باشد.
پارت سه ویدئو
این پارت شامل 5 درس به همراه فایل های پروژه است
شامل پنج درس می باشد.
پارت چهار ویدئو
این پارت شامل 5 درس به همراه فایل های پروژه است
شامل شش درس می باشد.
پارت پنج ویدئو
این پارت شامل 6 درس به همراه فایل های پروژه است
شامل شش درس می باشد.
پارت شش ویدئو
این پارت شامل 6 درس به همراه فایل های پروژه است
دوره های مرتبط
آموزش مصورسازی داده با پایتون
مصورسازی دادهها به معنی نمایش اطلاعات به شکل شماتیک و برای انتقال واضح و کارآمد اطلاعات است. زمانی که حجم و پیچیدگی دادهها بالا باشد، نمایش آنها در قالب تصویر بسیار مفید خواهد بود. با مصورسازی دادهها، میتوان الگوها، روندها و همبستگی بین دادهها را بهتر درک کرد و آنها را به شکل موثری انتقال داد. اهمیت این کار در رشتههای مختلف بر کسی پوشیده نیست.
آموزش تکمیلی پایتون
در دوره تکمیلی پایتون در ابتدا مروری به پایتون مقدماتی می گردد سپس به مبحث کلاس ها، شی گرایی و ارث بری پرداخته می شود، همچنین در این دوره انواع رابط های گرافیکی رو مورد بررسی قرار میدیم همچنین شروع به آموزش فریمورک tkinter کردیم و یک پروژه کوچکی رو باهاش انجام دادیم و در انتهای آموزش دیتابیس های متفاوتی رو اومدیم بررسی کردیم از جمله به MySQL، sqlite3 و MongoDB میتوان اشاره کرد. و در نهایت به Git پرداخته شد.
آموزش یادگیری عمیق مقدماتی با پایتون
در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است.دلیل اصلی نهفته در پس «یادگیری عمیق» (Deep Learning) این ایده است که «هوش مصنوعی» (Artificial Intelligence) باید از مغز انسان الهام بگیرد.
آموزش پروژه محور دستهبندی ایمیلهای اسپم
در این دوره تمامی مراحل لازم برای ساختن یک ماشین یادگیری تشخیص ایمیل اسپم آموزش داده میشود. آموزشها از مباحث تئوری احتمالات آغاز شده و تا یادگیری Bayesian ادامه مییابد. سپس مراحل لازم جهت پیادهسازی مباحث تئوری در پایتون از ۰ تا ۱۰۰ طی شده است.
امتیاز دانشجویان دوره
نظرات
قوانین ثبت دیدگاه
- دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
- از درج دیدگاه های تکراری پرهیز نمایید.
- فقط دانشجویان دوره میتوانند امتیاز خود را ثبت کنند.
120,000 تومان
znb_alavi( دانشجوی دوره )
سلام
وقت بخیر
من 3 تا دوره آموزشی پایتون مقدماتی، تکمیلی و یادگیری ماشین و عمیق مقدماتی پایتون روخریداری کرده بودم ولی فقط ویدئوهای پایتون مقدماتی رو میشه دید، بقیه رو زده در دسترس ول هیچ ویدوئویی نیست
از طرفی نوشته به بخش دانلودها مراجعه کنید که انجا هم فقط ویدئوهای مربوط به دوره مقدماتی هست.
چکار باید بکنم ؟
مدیر سایت(مدیریت)
سلام عرض ادب
لطفا ایمیلتان رو رفع این مشکل بررسی بفرمایید.