آموزش 3 پروژه یادگیری عمیق دنیای واقعی
3 real world deep learning projects
این دوره در مورد چیست؟
به زبان ساده: هدف از این دوره ارائه یک فرو رفتن عمیق در یادگیری عمیق است. از طریق انجام پروژه های واقعی در مورد مفاهیم مختلف یاد خواهید گرفت. این پروژه ها به شما کمک می کنند تا در پروژه های دانشگاهی و مصاحبه ها برتری پیدا کنید.
همچنین بعد از هر سخنرانی سوالات تمرینی اضافه خواهیم کرد تا بتوانید درک خوبی در مورد مفاهیم داشته باشید.
یادگیری عمیق چیست؟
یادگیری عمیق زیرمجموعه ای از یادگیری ماشینی است که در اصل یک شبکه عصبی با سه لایه یا بیشتر است. این شبکه‌های عصبی تلاش می‌کنند تا رفتار مغز انسان را شبیه‌سازی کنند - البته به دور از تطابق با توانایی‌هایش - و به آن اجازه می‌دهند از مقادیر زیادی داده "یاد بگیرد". در حالی که یک شبکه عصبی با یک لایه هنوز هم می تواند پیش بینی های تقریبی انجام دهد، لایه های پنهان اضافی می توانند به بهینه سازی و اصلاح برای دقت کمک کنند.
یادگیری عمیق بسیاری از برنامه‌ها و خدمات هوش مصنوعی (AI) را هدایت می‌کند که اتوماسیون را بهبود می‌بخشد، وظایف تحلیلی و فیزیکی را بدون دخالت انسان انجام می‌دهد. فناوری یادگیری عمیق در پس محصولات و خدمات روزمره (مانند دستیارهای دیجیتال، کنترل از راه دور تلویزیون با قابلیت صوتی، و تشخیص تقلب در کارت اعتباری) و همچنین فناوری‌های نوظهور (مانند خودروهای خودران) نهفته است.
یادگیری عمیق به طور فزاینده ای بر فناوری تسلط یافته و پیامدهای عمده ای برای جامعه دارد.
از خودروهای خودران تا تشخیص‌های پزشکی، از تشخیص چهره تا تقلبی‌های عمیق، و از ترجمه زبان تا تولید موسیقی، یادگیری عمیق مانند آتش‌سوزی در تمام حوزه‌های فناوری مدرن در حال گسترش است.
اما یادگیری عمیق تنها در مورد برنامه های کاربردی فوق العاده شیک، پیشرفته و بسیار پیچیده نیست. یادگیری عمیق به طور فزاینده ای به یک ابزار استاندارد در یادگیری ماشینی، علم داده و آمار تبدیل می شود. یادگیری عمیق توسط استارت‌آپ‌های کوچک برای داده‌کاوی و کاهش ابعاد، توسط دولت‌ها برای تشخیص فرار مالیاتی، و توسط دانشمندان برای شناسایی الگوها در داده‌های تحقیقاتی‌شان استفاده می‌شود.
یادگیری عمیق اکنون در بیشتر زمینه های فناوری، تجارت و سرگرمی استفاده می شود. و هر سال اهمیت بیشتری پیدا می کند.
یادگیری عمیق چگونه کار می کند؟
یادگیری عمیق بر اساس یک اصل بسیار ساده ساخته شده است: یک الگوریتم بسیار ساده (مجموع وزنی و غیرخطی) را در نظر بگیرید و آن را چندین بار تکرار کنید تا زمانی که نتیجه یک نمایش آموخته شده فوق العاده پیچیده و پیچیده از داده ها باشد.
>آیا واقعاً به همین سادگی است؟ بسیار خوب، این در واقع کمی پیچیده تر از آن است؛) اما این ایده اصلی است، و هر چیز دیگری - به معنای واقعی کلمه هر چیز دیگری در یادگیری عمیق - فقط روش های هوشمندانه ای برای کنار هم قرار دادن این بلوک های ساختمانی اساسی است. این بدان معنا نیست که درک شبکه‌های عصبی عمیق بی‌اهمیت است: تفاوت‌های معماری مهمی بین شبکه‌های پیش‌خور، شبکه‌های کانولوشنال و شبکه‌های تکراری وجود دارد.
با توجه به تنوع طرح‌ها، پارامترها و کاربردهای مدل یادگیری عمیق، شما فقط می‌توانید یادگیری عمیق را یاد بگیرید -- منظورم این است که واقعاً یادگیری عمیق را یاد بگیرید، نه فقط دانش سطحی از یک ویدیوی یوتیوب -- با داشتن راهنمای معلم با تجربه شما از طریق ریاضیات، پیاده سازی ها و استدلال. و البته، شما باید مثال‌های عملی زیادی داشته باشید و مشکلات را تمرین کنید. یادگیری عمیق اساساً فقط ریاضی کاربردی است و همانطور که همه می‌دانند، ریاضی یک ورزش تماشاچی نیست!
مقدمه Introduction
-
مقدمه Introduction
پیش بینی قیمت بیت کوین با استفاده از یادگیری عمیق Bitcoin price prediction using deep learning
-
ویدئو 1 Video 1
-
ویدئو 2 Video 2
-
ویدئو 3 Video 3
-
ویدئو 4 Video 4
طبقه بندی مهره های شطرنج با استفاده از یادگیری عمیق Chess pieces classification using deep learning
-
ویدئو 1 Video 1
-
ویدئو 2 Video 2
پیش بینی حفظ کارکنان با استفاده از یادگیری عمیق Predicting employee retention using deep learning
-
ویدئو 1 Video 1
-
ویدئو 1 Video 1
-
ویدئو 2 Video 2
-
ویدئو 2 Video 2
https://donyad.com/d/8134
Neural class
از کارشناسان این حوزه بیاموزید! تیم ما بیش از 15 سال تجربه دارد. ما گروهی از دانشمندان داده‌ای هستیم که تجربه کار در بخش‌های مختلف صنعت مانند نفت و گاز، امور مالی و غیره را داریم. همچنین در حال حاضر در Kaggle که بزرگترین مکان برای مسابقات علم داده است، رتبه‌بندی متخصص و استاد داریم. هدف ما ارائه دوره‌های با کیفیت برای همه است که به آنها در حرفه‌شان کمک زیادی می‌کند. ما سابقه قوی در پیاده‌سازی یادگیری ماشینی، تجسم داده‌ها، تجزیه و تحلیل داده‌های مکانی، یادگیری عمیق و وظایف پردازش زبان طبیعی با استفاده از R و Python داریم. ما در موضوعات مختلفی از علم داده، یادگیری عمیق (Tensorflow، Keras) گرفته تا یادگیری ماشین تا تجزیه و تحلیل داده‌های فضایی، تجسم داده‌ها، پردازش زبان طبیعی، بینایی رایانه، یادگیری تقویتی، استارت‌آپ‌ها، تجزیه و تحلیل مالی و غیره تخصص داریم.
نمایش نظرات