یادگیری ماشینی براساس تنسور فلو

شروع:
یک‌شنبه ۱۹ خرداد ۹۸ ۱۵:۰۰
پایان:
سه‌شنبه ۲۱ خرداد ۹۸ ۲۳:۰۰
یادگیری ماشینی براساس تنسور فلو
برگزارکننده‌ی رویداد
مهلت ثبت‌نام برای این رویداد به پایان رسیده است.
جزئیات
مهلت ثبت‌نام
قیمت (تومان)
تعداد

اهداف دوره

 

با توجه به تولید حجم داده های بزرگ بصورت روز افزون، توجه به یادگیری ماشینی در سیستم های کامپیوتری رو به گسترش است. این دوره به منظور آشنایی عملی با مفاهیم، روشها و الگوریتمها، و کاربردهای امروزی این حوزه ایجاد شده است.

بعنوان فریم ورک مورد استفاده برای آموزش مفاهیم کاربردی، تنسور فلو انتخاب شده است. این فریم ورک بطور گسترده در محصولات گوگل نظیر تشخیص صوت و تصویر، ترجمه ماشینی و همچنین در جستجوی وب مورد استفاده قرار گرفته است. به تازگی گوگل این فریم ورک را به صورت متن باز در اختیار عموم نیز قرار داده است.

 

مخاطبین


این دوره برای تمام افرادیکه علاوه بر فراگیری مفاهیم پایه ای در یادگیری ماشینی همچنین می خواهند بصورت عملی به پیاده سازی و بکارگیری آنها نیز بپردازند مفید است. بطور مشخص این دوره مخاطبینی از قبیل موارد زیر دارد:

مدیران سازمانها و شرکتها
مهندسین نرم افزار و رشته های مرتبط
محققان و اساتید دانشگاه
داشتن تجربه در برنامه نویسی و آشنایی با زبانهای برنامه نویسی اگرچه مفید است ولی ضروری نیست و در طول دوره مفاهیم برنامه نویسی لازم نیز آموزش داده خواهد شد.

......

سرفصل مطالب

  • معرفی  یادگیری ماشینی
  • قالب بندی مسایل برای یادگیری ماشینی
  • ورود به یادگیری ماشینی
  • کاهش خطا
  • ورود به تنسور فلو
  • تعمیم مدل یادگیری
  • مجموعه های آموزش و تست
  • سنجش اعتبار مدل
  • بازنمایی داده ها
  • ترکیب ویژگیها
  • منظم سازی مدل برای ساده سازی
  • رگرسیون خطی
  • دسته بندی
  • منظم سازی مدل برای داده های پراکنده
  • معرفی شبکه های عصبی
  • آموزش شبکه های عصبی
  • شبکه های عصبی چند دسته ای
  • جاسازی داده های متنی

 

نیازمندیها

فراگیران بایستی دارای یک کامپیوتر دسکتاپ یا لپ تاپ مناسب برای اجرای مثال ها و تمرینات باشند.
وب بروزر کروم

برگزارکنندگان

فضای کار اشتراکی آبی سفید

فضای کار اشتراکی آبی سفید

زمان‌بندی

تنسورفلو مقدماتی
تنسورفلو پیشرفته
عنوانشروعپایان
پذیرش۱۵:۰۰۱۵:۳۰
آغاز و خوش آمدگویی۱۵:۳۰۱۵:۴۵
معرفی یادگیری ماشینی۱۵:۴۵۱۵:۵۰
قالب بندی مسائل برای یادگیری ماشینی۱۵:۵۰۱۶:۰۵
ورود به یادگیری ماشینی۱۶:۰۵۱۶:۲۰
کاهش خطا۱۶:۲۰۱۶:۵۰
استراحت۱۶:۵۰۱۷:۰۰
ورود به تنسورفلو ۱۷:۰۰۱۷:۳۰
تعمیم مدل یادگیری۱۷:۳۰۱۷:۴۰
مجموعه های آموزش و تست۱۷:۴۰۱۸:۰۵
سنجش اعتبار مدل۱۸:۰۵۱۸:۳۵
استراحت۱۸:۳۵۱۸:۵۰
بازنمایی داده ها۱۸:۵۰۱۹:۲۰
ترکیب ویژگی ها۱۹:۲۰۱۹:۵۵
جمع بندی ۱۹:۵۵۲۰:۱۵
عنوانشروعپایان
پذیرش۱۵:۰۰۱۵:۳۰
آغاز و خوش آمدگویی۱۵:۳۰۱۵:۴۵
منظم سازی مدل برای ساده سازی۱۵:۴۵۱۶:۱۵
رگرسیون خطی۱۶:۱۵۱۶:۳۰
دسته بندی۱۶:۳۰۱۷:۰۰
استراحت۱۷:۰۰۱۷:۱۵
منظم سازی مدل برای داده های پراکنده ۱۷:۱۵۱۷:۴۵
معرفی شبکه های عصبی۱۷:۴۵۱۸:۱۵
استراحت۱۸:۱۵۱۸:۳۰
آموزش شبکه های عصبی۱۸:۳۰۱۹:۰۰
شبکه های عصبی چند دسته ای۱۹:۰۰۱۹:۲۵
جاسازی داده های متنی۱۹:۲۵۲۰:۰۰
جمع بندی۲۰:۰۰۲۰:۱۵

آدرس:اصفهان خیابان فردوسی کوچه4 پلاک2