رویدادهای زیر را به شما پیشنهاد میکنیم

دوره یادگیری عمیق با تنسور فلو 2 و کراس
- از ۳۰۰,۰۰۰ تومان
- تهران
- تکنولوژی
این دوره برای چه کسانی مناسب است؟
یادگیری عمیق به یکی از جذابترین و پرطرفدارترین بخشهای یادگیری ماشین و هوش مصنوعی تبدیلشده است. کتابخانههای فراوانی برای بهکارگیری و پیادهسازی یادگیری عمیق ارائهشدهاند، اما ازآنجاییکه زبان برنامهنویسی پایتون یکی از سادهترین زبانهای برنامهنویسی بوده و منحنی یادگیری آن توسط دانشجویان بسیار سریع طی میشود، کتابخانههایی که بر روی پایتون توسعه دادهشدهاند به گزینه اول دانشجویان برای ورود به یادگیری عمیق تبدیلشدهاند. ازاینرو این دوره برای آن دسته از افرادی که علاقهمند به ورود به این حوزه هستند بسیار مناسب است.
همچنین شرکت در این دوره به کسانی که به دنبال یافتن کاری سرگرمکننده و جذاب در بازار کار متغیر و مهیج این روزهای حوزه علم داده و یادگیری عمیق هستند، توصیه میشود؛ کتابخانههای تنسورفلو و کراس ازجمله کتابخانههای بسیار قدرتمند و پرکاربردی هستند که در بسیاری از شرکتهای بزرگ دنیا همچون گوگل بخشهای جدانشدنی را به خود اختصاص دادهاند.
در این دوره به بررسی و پیادهسازی شبکههای عصبی پیشرفته که در حال حاضر یکه تازه حوزه یادگیری عمیق هستند پرداخته خواهد شد، ازاینرو شرکت در این دوره برای آن دسته از دانشجویانی که نیاز به اطلاعات تئوری و توانایی پیادهسازی شبکههای یادگیری عمیق در پایاننامه و حوزه کاری خود هستند، پیشنهاد میشود.
لازم به ذکر است که مباحث ارائه شده در این دوره کاملا جنرال بوده و مربوط به رشته یا فیلد خاصی نیست
مخاطبین این دوره چه افرادی هستند؟
· دانشجویان کامپیوتر، صنایع و آمار
· متخصصین حوزه پردازش متن، صوت، تصویر
· متخصصین حوزه یادگیری ماشین و دادهکاوی
· متخصصین حوزه یادگیری تقویتی و عامل ها
· تمامی افرادی که بهنوعی نیاز به پردازش و تحلیل تصاویر و داده های سری زمانی دارند
پس از گذراندن این دوره چه تواناییهایی کسب میکنید؟
· توانایی پیادهسازی و درک شبکههای عصبی متنوع و پیشرفته همچون: CNN، RNN، GAN و Auto-Encoder
· قابلیت استفاده از کتابخانههای تنسورفلو و کراس برای پیادهسازی شبکههای عصبی عمیق پیشرفته
· قابلیت بکار گیری یادگیری عمیق در حوزه یادگیری تقویتی(RL)
· قابلیت تحلیل، آنالیز و تفسیر شبکههای عصبی عمیق و توانایی تنظیم ابر پارامترهای آن
سرفصل دوره
سرفصل جلسات دوره پیشرفته:
1. آموزش الگوریتم Logistic Regression به عنوان پایه شبکه عصبی و پیاده سازی آن با استفاده از numpy
2. آموزش TensorFlow2 و TensorFlow1 و پیاده سازی Logistic Regression و Linear Regression
3. آموزش شبکه عصبی و Keras و classification و پیاده سازی fully connected network
4. آموزش Regularizer ها، activation ها و loss functionهای مختلف و نحوه استفاده آن ها
5. آموزش Metric های مختلف و بررسی دیتاست های Imbalance
6. آموزش Hyperparameter-Tunning کلاسیک و Tensorboard و Comet_ml که قدرت بصری و ذخیره سازی بالایی دارد.
7. آموزش تئوری و پیادهسازی شبکههای عصبی کانوولوشنال(CNN)
a. پیادهسازی شبکه LeNet5
b. پیادهسازی شبکه ResNet
8. آموزش و پیادهسازی Transfer Learning
9.آموزش تئوری و پیادهسازی شبکههای عصبی بازگشتی (RNN)
a. بررسی Image captioning
b. پیادهسازی مدل LSTM برروی دادههای زمانی
c. آموزش و پیادهسازی الگوریتم های Word Embedding جهت پردازش متن
10. اموزش انواعSegmentation، localization و Object Detection
a. آموزش و پیادهسازی Unet
b. آموزش و بررسی نحوه استفاده الگوریتم های خانواده RCNN
c. آموزش و بررسی نحوه استفاده الگوریتم های خانواده YOLO
11. آموزش تئوری و پیادهسازی Auto-Encoder با کراس و تنسورفلو
a. پیاده سازی Vanilla Autoencoder
b. پیاده سازی Autoencoder جهت رنگ آمیزی تصاویرسیاه و سفید
12. آموزش تئوری و پیادهسازی GAN
a. آموزش و پیاده سازی الگوریتم DCGAN
b. آموزش و پیاده سازی الگوریتم InfoGAN
c. بررسی مسیر و آینده GAN
13. آموزش و پیاده سازی DeepDream
14. آموزش و پیاده سازی Style Transfer
15. آموزش تئوری و پیادهسازی یادگیری تقویتی(RL)
a. آموزش و پیاده سازی DQN
b. آموزش الگوریتم ها Policy Gradient و پیاده سازی A3C(Continuous state action)
نکات قابلتوجه شرکتکنندگان
شرکتکنندگانی که در این دوره ثبتنام میکنند، در محیطی دوستانه و در کنار یکدیگر، به کمک استاد و همکارانش و با روش تعاملی تمامی پروژهها و برنامههای نوشتهشده در کلاس را "خودشان" پیادهسازی میکنند و یکبار تمامی مطالب کلاس را بهصورت عملی مشاهده میکنند(***لذا به همراه داشتن لپتاپ برای تمامی دانشجویان الزامی است***)
در پایان دوره پروژههایی با دادههای واقعی به دانشجویان داده خواهد شد و دانشجویان میبایست این پروژهها را در مدت معلوم پیادهسازی کنند. سنجش دانشجویان و اعطای مدرک معتبر از انجمن علمی دانشکده نقشه برداری دانشگاه صنعتی خواجهنصیرالدین طوسی منوط به موفقیت در انجام پروژههای ارائهشده و عملکرد کلاسی است. مدرک دادهشده جزو معتبرترین مدارک علوم تقشه برداری بوده و قابلیت ترجمه به زبان انگلیسی را دارد.
همچنین لازم به ذکر است که تمامی محتویات دوره ازجمله مطالب آموزشی، فیلمهای کلاس، تمرینات و دادهها به دانشجویان داده خواهد شد. (حفظ و نگهداری حقوق معنوی تولیدکننده ازلحاظ شرعی به عهده دانشجویان است).
پیشنیاز دوره
پایتون مقدماتی
مدرس

مؤلف و مترجم کتاب یادگیری عمیق با تنسورفلو
راههای تماس:
تلفن همراه: 09335764058
ایمیل:pooya209@ymail.com
برگزارکنندگان

انجمن علمی دانشکده نقشه برداری دانشگاه خواجه نصیر
زمانبندی
عنوان | شروع | پایان | |
---|---|---|---|
یادگیری ماشین - Logestic Regression | شنبه ۲۳ آذر ساعت ۱۶ | شنبه ۲۳ آذر ساعت ۲۰ | |
gradient descent - loss function | چهارشنبه ۲۷ آذر ساعت ۱۶ | چهارشنبه ۲۷ آذر ساعت ۲۰ | |
keras-tensorflow syntax | شنبه ۳۰ آذر ساعت ۱۶ | شنبه ۳۰ آذر ساعت ۲۰ | |
fully connected networks | چهارشنبه ۴ دی ساعت ۱۶ | چهارشنبه ۴ دی ساعت ۲۰ | |
metrics - hyperparameter tunning - imbalance datasets | شنبه ۷ دی ساعت ۱۶ | شنبه ۷ دی ساعت ۲۰ | |
CNN(ResNet, ...) | چهارشنبه ۱۱ دی ساعت ۱۶ | چهارشنبه ۱۱ دی ساعت ۲۰ | |
Segementation(UNet) | شنبه ۱۴ دی ساعت ۱۶ | شنبه ۱۴ دی ساعت ۲۰ | |
Object Detection(YOLO, Faster RCNN) | چهارشنبه ۱۸ دی ساعت ۱۶ | چهارشنبه ۱۸ دی ساعت ۲۰ | |
شبکه های عصبی RNN | شنبه ۱۲ بهمن ساعت ۱۶ | شنبه ۱۲ بهمن ساعت ۲۰ | |
Word2Vec- Image captioning | چهارشنبه ۱۶ بهمن ساعت ۱۶ | چهارشنبه ۱۶ بهمن ساعت ۲۰ | |
Auto-Encoder | شنبه ۱۹ بهمن ساعت ۱۶ | شنبه ۱۹ بهمن ساعت ۲۰ | |
deep dream - style transfer | چهارشنبه ۲۳ بهمن ساعت ۱۶ | چهارشنبه ۲۳ بهمن ساعت ۲۰ | |
GANS- DCGAN | شنبه ۲۶ بهمن ساعت ۱۶ | شنبه ۲۶ بهمن ساعت ۲۰ | |
GANS- InfoGAN | چهارشنبه ۳۰ بهمن ساعت ۱۶ | چهارشنبه ۳۰ بهمن ساعت ۲۰ | |
یادگیری تقویتی(DQN) | شنبه ۳ اسفند ساعت ۱۶ | شنبه ۳ اسفند ساعت ۲۰ | |
یادگیری تقویتی(A3C) | چهارشنبه ۷ اسفند ساعت ۱۶ | چهارشنبه ۷ اسفند ساعت ۲۰ |
برگزارکننده
