رویداد به پایان رسیده است!
هفتمین دوره آنلاین برنامه نویسی پایتون در تاریخ پنج‌شنبه ۲۵ اردیبهشت به پایان رسیده است. (جزئیات بیشتر)
کاور
چهارشنبه ۲۷ فروردین ساعت ۱۵:۰۰

هفتمین دوره آنلاین برنامه نویسی پایتون

  • رایگان
  • تهران
  • تکنولوژی
مهلت ثبت‌نام برای این رویداد به پایان رسیده است.

توضیحات دوره


زمان برگزاری دوره غیرحضوری:

پنجشنبه و جمعه ها - ساعت 15 الی 19

از 28 فروردین ماه لغایت 26 اردیبهشت

 

 

 

 

 

 

یادگیری عمیق چیست؟
ادگیری عمیق (Deep learning) شاخه ای از بحث یادگیری ماشین و هوش مصنوعی و مجموعه ای از الگوریتم‌ هایی است، که تلاش می کنند، مفاهیم انتزاعی سطح بالا را با استفاده از یادگیری در سطوح و لایه های مختلف مدل کنند. مطالعات بالینی نشان می دهند، که ساختار مغز پستانداران از معماری شبکه های عصبی عمیق بهره می برد که در آن، مفاهیم انتزاعی در لایه های مختلف، به ترتیب از مفاهیم و ویژگی های ساده تا مفاهیم سطح بالا، در نواحی مختلف قشر مغز، پردازش می شوند. ایده یادگیری عمیق با الهام از ساختار طبیعی مغز انسان و به کمک امکانات و فن آوری های جدید، توانسته است در بسیاری از حوزه های مربوط به هوش مصنوعی و یادگیری ماشین، موفقیت های چشم گیری را کسب کند.

مهم ترین مزایای یادگیری عمیق عبارت اند از:

یادگیری خودکار ویژگی ها
یادگیری چند لایه ویژگی ها
دقت بالا در نتایج
قدرت تعمیم بالا و شناسایی داده های جدید
پشتیبانی گسترده سخت افزاری و نرم افزاری
پتانسیل ایجاد قابلیت ها و کاربردهای بیشتر در آینده
در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. از سال ۲۰۱۲ تا کنون، تمامی رتبه های برتر چالش شناسایی بصری ImageNet، که به جام جهانی بینایی ماشین معروف است، از شبکه های عصبی عمیق استفاده کرده اند. همچنین، تمام روش های برتر در رقابت های دسته بندی تصاویر اعداد دست نویس MNIST (با ۲۱ خطا در ۱۰,۰۰۰ تصویر) و تصاویر طبیعی CIFAR (با خطای کمتر از ۵%) نیز به مدل های شبکه عصبی عمیق تعلق دارد. از سال ۲۰۱۲ به بعد، شرکت های بزرگ نرم افزاری و سخت افزاری مانند Google, Microsoft, NVIDIA نیز بخش مهمی از فعالیت های پژوهشی و تجاری خود را به یادگیری عمیق اختصاص داده اند.

با این که یادگیری عمیق در سال های ابتدایی توسعه خود قرار دارد، اما روند تحقیقات، مقالات و سرمایه گذاری های شرکت های بزرگ در این حوزه، نشان دهنده گسترش روز افزون کاربردهای یادگیری عمیق است. یادگیری عمیق تا کنون در کاربردهای گوناگون داده کاوی، پردازش تصویر و صدا، رباتیک و پزشکی مورد استفاده قرار گرفته است. طبق پیش بینی های مراکز علمی، در سال های آینده، بسیاری از تحقیقات، کاربردها و مشاغل موفق، به طور مستقیم یا غیرمستقیم از یادگیری عمیق بهره خواهند برد.

در این دوره آموزشی، علاوه بر آشنایی با مبانی تئوری یادگیری عمیق و تکنیک ها و مدل های مختلف آموزش شبکه های عصبی عمیق، قادر خواهید بود تا در عمل نیز به طراحی، پیاده سازی و آموزش این شبکه ها بپردازید. در این دوره هم به کاربردهای آکادمیک و تحقیقاتی و هم به کاربردهای عملی یادگیری عمیق توجه شده است.
پیش نیاز دوره:
 
آشنایی مقدماتی با کامپیوتر و اینترنت
آشنایی با برنامه نویسی پایتون

مخاطبان این دوره:
کسانی که میخواهند یکی از به روز ترین و کاربردی ترین زبان های برنامه نویسی را فرابگیرند
کسانی که علاقه دارند در یکی از پر کاربرد ترین حوزه های برنامه نویسی فعالیت کنند.
کسانی که میخواهند در حوزه ی هوش مصنوعی تحصیل کنند.
افرادی که میخواهند مخاطب حجم وسیعی از اگهی های استخدامی شرکت های کامپیوتری قرار بگیرند


تسهیلات این دوره:
تمامی شرکت کنندگان میتوانند با ثبت نام این دوره، یکبار دیگر به صورت رایگان دوره های آتی را شرکت کنند
 
سرفصل های این دوره:
قسمت اول: مقدماتپایتون و کتابخانه های علمی مورد نیاز
OpenCV در پایتون
یادگیری ماشین چیست
طبقه بندی و رگرسیون
شناخت تصویر
پیاده سازی طبقه‌بند در پایتون
قسمت دوم: شبکه های عصبی

نوران و پرسپترون
تابع فعالیت
یادگیری و بهینه سازها
پیاده سازی شبکه های عصبی در Keras
طبقه بندی اعداد دست نویس فارسی
Dropout
 

قسمت سوم: شبکه های کانولوشنالی

شبکه های کانولوشنالی –مباحث تئوری
شبکه های کانولوشنالی – عملی
شبکه عصبی های کانولوشنال عمیق حائز رتبه و معروف
انتقال یادگیری
رگرسیون
مدلهای چند ورودی/چند خروجی در کراس – functional API در کراس
قسمت چهارم: مباحث تکمیلی  یادگیری

Batch-Norm
Learning-Rate Decay
Tensorboard
keras callbacks
imbalanced data
قسمت پنجم: سیستم های پیشنهاد دهنده

پیاده سازی Book Recommendation System
قسمت ششم: شبکه های خودرمزگذار (Auto-encoder)

Up-sampling with Transposed Convolution
Autoencoders
قسمت هقتم: GAN

Gans
Conditional Gans
pix2pix
Cycle Gan
و …
 
قسمت هفتم: شناسایی  اشیاء

طبقه بندی – محلی سازی و شناسایی
SSD
Yolo
و…
قسمت نهم: مباحث ویژه با توجه به علاقه کلاس

Style transfer
Deep dream
رنگی کردن تصویر
بازشناسی چهره
و…

سوالات متداول

پیش‌نیاز های علمی شرکت در این رویداد چیست؟
آشنایی با پایتون در این دوره میتواند کمک کننده باشد ولی الزامی نیست.
این رویداد به چه صورت برگزار میشود؟
رویداد از طریق وبینار در زمان ها های مشخص شده برگزار میشود
چه منابعی در اختیار ما قرار خواهد گرفت؟
کد های مربوط به جلسات از طریق Git و همچنین فیلم و صوت مربوط به هر جلسه در اختیار شرکت کنندگان قرار خواهد گرفت.
اگر از استاد دوره سوالی داشتم چگونه بپرسم؟
در تمامی طول دوره به صورت مستقیم با استاد در ارتباط خواهید بود
آیا پس از این دوره میتوانم جایی استخدام شوم؟
بزرگترین مزیت این دوره آماده سازی شرکت کننده ها برای ورود به بازار کار است. سابقه ی استخدامی شرکت کنندگان دوره های پیش این موضوع را تایید میکند.

سخنرانان

مهندس علیرضا اخوان پور
مهندس علیرضا اخوان پور
مدیر فنی شرکت دانش بینان شناسا

علیرضا اخوان‌پور محقق و مدرس یادگیری عمیق و مدرس دانشگاه شهید رجایی هستم. 3 سال در دانشگاه های تهران و شریف تدریس میکنم و در حال حاضر مدیر فنی شرکت شناسا (فعال در حوزه ی هوش مصنوعی هستم)

حدود 3 سال است که در زمینه بینایی ماشین و یادگیری عمیق به عنوان برنامه نویس و محقق کار میکنم، همچنین موفق شدیم محصول دانش‌بنیانی در زمینه بازشناسی چهره شناسا (shenasa-ai.ir) به ثبت برسانیم.

همواره به تدریس علاقه داشتم و در کنار کار در شرکت‌های نرم‌افزاری بخشی از زمانم را به تدریس اختصاص داده ام.

تا کنون تجربه ی تدریس مبحث یادگیری عمیق در دوره‌های آزاد مختلفی از جمله دوره هایی در دانشگاه شریف، هوش‌پارت، دانشگاه شهید رجایی، جهاد دانشگاهی شریف و ... را داشته و همچنین در دانشگاه رجایی این مباحث را در قالب درس مباحث ویژه کارشناسی ارائه کرده ام.

برگزارکنندگان

آکادمی یوتک
آکادمی یوتک
برگزار کننده دوره های تخصصی حضوری و غیر حضوری

برگزار‌کننده

آواتار

آکادمی UTech

برگزار کننده دوره های علمی و تخصصی، همکاری با شرکت های معتبر در سراسر کشور جهت آموزش نیروهای متخصص برای فعالیت و استخدام در مراکز علمی، پژوهشی و اقتصادی.

رویداد های برگزارشده۹
  • شروع: چهارشنبه ۲۷ فروردین ساعت ۱۵:۰۰
  • پایان: پنج‌شنبه ۲۵ اردیبهشت ساعت ۱۹:۰۰

آدرس: تهران خیابان کارگر شمالی - بالاتر از تقاطع جلال آل احمد -پردیس دانشکده های فنی دانشگاه تهران-ساختمان مرکزی - طبقه منفی 1