این دوره مقدمه ای است بر یادگیری عمیق یا Deep Learning که روش یادگیری ماشینی را با دموهای تعاملی از معروف ترین کتابخانه یادگیری عمیق، TensorFlow و API سطح بالا آن، Keras در زندگی به ارمغان می آورد. ای دوره به اصول و مبانی یادگیری عمیق مانند شبکه عصبی مصنوعی می پردازد. با استفاده از یادگیری مبانی نوت بوک های Jupyter مبتنی بر پایتون و بدون هیچ دانشی از شبکه عصبی می توانید در پایان دوره مدل های پیشرفته یادگیری عمیق بسازید.

سرفصل ها:

  • مقدمه
  • معرفی TensorFlow
  • معرفی Deep Learning
  • شبکه عصبی و Deep Learning
  • اجرای کد
  • معرفی شبکه عصبی مصنوعی
  • نحوه ی عملکرد Deep Learning
  • واحد های عصبی
  • مجموعه های داده برای Deep Learning
  • شبکه های کانولوشن
  • معماری های ConvNet کلاسیک – LeNet-5
  • معماری های ConvNet کلاسیک – AlexNet و VGGNet
  • TensorBoard و تفسیر خروجی های مدل
  • مقایسه کتابخانه های پیشرفته Deep Learning
  • مقدمه ای بر TensorFlow
  • مدل سازی در TensorFlow
  • شبکه های انبوه در TensorFlow
  • شبکه های کانولوشن عمیق در TensorFlow
  • ارتقا شبکه های عمیق
  • بهبود عملکرد و تنظیم پارامترها
  • نحوه ی ساختن پروژه یادگیری عمیق
  • خلاصه