لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق و یادگیری تقویتی
- آخرین آپدیت
دانلود Deep Learning and Reinforcement Learning
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره شما را با دو مورد از پرتقاضاترین حوزهها در یادگیری ماشین آشنا میکند: یادگیری عمیق (Deep Learning) و یادگیری تقویتی (Reinforcement Learning). یادگیری عمیق زیرمجموعهای از یادگیری ماشین است که در هر دو رویکرد یادگیری نظارتشده و نظارتنشده کاربرد دارد و اغلب برای قدرت بخشیدن به اکثر برنامههای هوش مصنوعی که روزانه از آنها استفاده میکنیم، به کار میرود. ابتدا تئوری پشت شبکههای عصبی را که پایه و اساس یادگیری عمیق هستند، به همراه چندین معماری مدرن یادگیری عمیق خواهید آموخت. پس از توسعه چند مدل یادگیری عمیق، تمرکز دوره بر یادگیری تقویتی خواهد بود؛ نوعی از یادگیری ماشین که اخیراً توجه بسیاری را به خود جلب کرده است. اگرچه در حال حاضر یادگیری تقویتی کاربردهای عملی محدودی دارد، اما یک حوزه پژوهشی نویدبخش در هوش مصنوعی است که احتمالاً در آیندهای نزدیک بسیار کاربردی خواهد شد.
پس از این دوره، اگر دورههای تخصص IBM را به ترتیب دنبال کرده باشید، تجربه عملی قابل توجه و درک استواری از انواع اصلی یادگیری ماشین خواهید داشت که عبارتند از: یادگیری نظارتشده، یادگیری نظارتنشده، یادگیری عمیق و یادگیری تقویتی.
در پایان این دوره شما قادر خواهید بود:
- انواع مسائلی که برای رویکردهای یادگیری نظارتنشده مناسب هستند را توضیح دهید
- «نفرین ابعاد» (Curse of Dimensionality) و نحوه دشوار کردن خوشهبندی در حضور ویژگیهای زیاد را شرح دهید
- الگوریتمهای رایج خوشهبندی و کاهش ابعاد را توصیف و استفاده کنید
- در موارد مناسب، خوشهبندی نقاط را امتحان کرده و عملکرد مدلهای هر خوشه را مقایسه کنید
- معیارهای مرتبط برای توصیف خوشهها را درک کنید
چه کسانی باید در این دوره شرکت کنند؟
این دوره برای دانشمندان داده آیندهنگر که علاقهمند به کسب تجربه عملی در زمینه یادگیری عمیق و یادگیری تقویتی هستند، طراحی شده است.
چه مهارتهایی باید داشته باشید؟
برای بهرهمندی حداکثری از این دوره، باید با برنامهنویسی در محیط توسعه پایتون (Python) آشنا باشید و درک بنیادی از پاکسازی دادهها، تحلیل اکتشافی دادهها (EDA)، یادگیری نظارتنشده، یادگیری نظارتشده، حسابان، جبر خطی، احتمالات و آمار داشته باشید.
سرفصل ها و درس ها
مقدمهای بر شبکههای عصبی
Introduction to Neural Networks
معرفی دوره
Course Introduction
مقدمهای بر شبکههای عصبی
Introduction to Neural Networks
مبانی نورونها
Basics of Neurons
شبکههای عصبی با تابع سیگموئید
Neural Networks with Sigmoid Function
نورون در عمل
Neuron in Action
شبکههای عصبی با SKlearn
Neural Networks with SKlearn
انتشار پیشرو (Forward Propagation)
Forward Propagation
نمایش ماتریسی انتشار پیشرو
Matrix Representation of Forward Propagation
انواع اصلی شبکههای عصبی عمیق
Main Types of Deep Neural Network
(اختیاری) نوتبوک مقدمهای بر شبکههای عصبی - بخش اول
(Optional) Introduction to Neural Networks Notebook - Part 1
(اختیاری) نوتبوک مقدمهای بر شبکههای عصبی - بخش دوم
(Optional) Introduction to Neural Networks Notebook - Part 2
نمایش نظرات