ثبت‌نام این دوره به پایان رسید!
اما نگران نباشید! شما همچنان می‌توانید به محتوای ضبط‌شده با کیفیت استودیویی این دوره دسترسی داشته باشید.
خرید محتوای ضبطشدهدسترسی به ویدئوهای کامل دوره با کیفیت بالا
سرفصل‌های دوره
معرفی کلی دوره، آشنایی با مبانی پایتون و تنظیم محیط برنامه‌نویسی.
اصول مقدماتی پایتون برای علم داده، کتابخانه‌های اساسی مانند NumPy و pandas، تحلیل داده‌ها و مصورسازی.
پاسخ به سوالات و رفع اشکالات مربوط به مفاهیم پایتون و تمرین‌های جلسات قبلی.
تاریخچه هوش مصنوعی، تعریف یادگیری ماشین، تفاوت هوش مصنوعی، یادگیری عمیق و یادگیری ماشین، کاربردها و زمینه‌های استفاده.
انواع یادگیری ماشین، طبقه‌بندی نزدیک‌ترین همسایه (KNN)، پیاده‌سازی KNN در پایتون و کار با داده‌های تصویری.
بررسی سوالات و رفع اشکالات مبحث طبقه‌بندی، انجام یک مینی پروژه مرتبط.
رگرسیون با مدل نزدیک‌ترین همسایه، رگرسیون خطی، مدل‌های خطی برای طبقه‌بندی و جلوگیری از بیش‌برازش.
رفع اشکال در مورد مبحث رگرسیون و بررسی مثال‌هایی مانند تخمین قیمت خانه.
یادگیری بدون ناظر، تحلیل مؤلفه‌های اصلی (PCA)، خوشه‌بندی و کاربردهای آنها.
بررسی و رفع اشکالات مربوط به الگوریتم‌های بدون ناظر و خوشه‌بندی.
روش‌های اعتبارسنجی، ارزیابی مدل‌ها، ماتریس درهم‌ریختگی و یافتن هایپرپارامترهای بهینه.
مفاهیم ابتدایی شبکه‌های عصبی، پرسپترون، گرادیان کاهشی، پس انتشار خطا و پیاده‌سازی در TensorFlow.
رفع اشکال و مرور مفاهیم شبکه عصبی و پیاده‌سازی در TensorFlow.
آشنایی با شبکه‌های عصبی کانولوشنالی (CNN)، معماری‌های مختلف و کاربردهای آنها.
بررسی سوالات و رفع اشکالات مبحث شبکه‌های عصبی کانولوشنالی.
معرفی معماری‌های عمیق، انتقال یادگیری و استفاده از مدل‌های پیش‌آموزش‌دیده.
بررسی و رفع اشکالات مربوط به معماری‌های عمیق و انتقال یادگیری.
رگرسیون با استفاده از Functional API در TensorFlow و پیاده‌سازی آن.
رفع اشکالات مربوط به رگرسیون و استفاده از Functional API در پروژه‌های عملی.
مفاهیم و پیاده‌سازی طبقه‌بندی متن، Embedding و سیستم‌های توصیه‌گر در TensorFlow.
رفع اشکالات مربوط به طبقه‌بندی متن و سیستم‌های توصیه‌گر.
آشنایی با شبکه‌های بازگشتی (RNN)، LSTM و کاربردهای آنها.
بررسی سوالات و رفع اشکالات مربوط به شبکه‌های بازگشتی و LSTM.
مبانی بازشناسی چهره، استفاده از TensorFlow Embedding Projector.
رفع اشکالات و بررسی مباحث مرتبط با بازشناسی و تطبیق چهره.
معرفی Model Subclassing، مبانی خودرمزنگارها، GAN ها و پیاده‌سازی آنها.
رفع اشکالات و مرور مفاهیم مربوط به Model Subclassing، خودرمزنگارها و GAN ها.
مبانی داده‌های صوتی، استفاده از تابع خطای CTC، پیاده‌سازی.
رفع اشکالات و مرور مباحث مربوط به داده‌های صوتی و تابع خطای CTC.
روش‌های پیدا کردن هایپرپارامترهای بهینه، استقرار مدل‌ها در محیط عملیاتی.
اجرای پروژه عملی تشخیص پلاک خودرو با استفاده از YOLO.
مبانی انتقال یادگیری پیشرفته، افزونگی داده‌ها.
مزایای شرکت در دوره:
آموزش جامع و کاربردی: دوره شامل آموزش‌های کامل و گام‌به‌گام از مفاهیم پایه تا مباحث پیشرفته یادگیری عمیق است. شما با الگوریتم‌های یادگیری ماشین، شبکه‌های عصبی، CNNها، RNNها، GAN و بسیاری از مباحث دیگر به صورت عملی و تئوری آشنا می‌شوید.
پشتیبانی کامل و رفع اشکال: جلسات آنلاین رفع اشکال به شما کمک می‌کند تا سوالات خود را مطرح کنید و با پشتیبانی مدرس، مشکلات خود را برطرف کنید.
تمرین‌ها و پروژه‌های عملی: برای تقویت یادگیری و درک بهتر، تمرین‌ها و پروژه‌های عملی طراحی شده‌اند که به شما اجازه می‌دهند تا دانش خود را در دنیای واقعی پیاده‌سازی کنید.
ارائه مدرک: در پایان دوره، به افرادی که تمارین و پروژه‌ها را با موفقیت انجام دهند، مدرک معتبر از کلاس ویژن اعطا می‌شود. این مدرک می‌تواند در رزومه شما نقش موثری داشته باشد و برای پیشرفت حرفه‌ای شما اهمیت دارد.
امکان معرفی به بازار کار: افرادی که در دوره عملکرد موفقی داشته باشند، از امکان معرفی به بازار کار و تسهیل در فرآیند دعوت به مصاحبه برخوردار می‌شوند. این فرصت، شما را یک قدم به شغل مورد نظر خود در حوزه هوش مصنوعی و یادگیری عمیق نزدیک‌تر می‌کند.
این دوره توسط علیرضا اخوان‌پور، یکی از مدرسین برجسته در حوزه دیپ‌لرنینگ و هوش مصنوعی تدریس می‌شود. ایشان از سال ۹۵ در موسسات و دانشگاه‌های معتبر کشور در زمینه هوش مصنوعی فعالیت دارد و بالغ بر ۱۰۰۰ ساعت آموزش در این حوزه برگزار کرده است. برخی از مزایای حضور در این دوره به همراه تدریس ایشان شامل موارد زیر است:
مزایای مدرس دوره:
تجربه تدریس گسترده: علیرضا اخوان‌پور با سال‌ها تجربه در تدریس مباحث پیچیده هوش مصنوعی و یادگیری عمیق، توانسته است دانشجویان و متخصصان زیادی را در این زمینه آموزش دهد. تجربه او در انتقال مفاهیم به‌صورت ساده و قابل فهم، یکی از بزرگترین مزایای این دوره است.
اجرای پروژه‌های عملی: در کنار تدریس تئوری، آقای اخوان‌پور سابقه اجرای پروژه‌های عملی در حوزه‌های مختلف هوش مصنوعی را دارد. این تجربه به او کمک کرده تا علاوه بر مباحث نظری، دانشجویان را در انجام پروژه‌های واقعی راهنمایی کند. شما می‌توانید از راهنمایی‌های ایشان در انجام پروژه‌های دوره بهره‌مند شوید و مهارت‌های خود را به‌صورت عملی تقویت کنید.
ترکیب تئوری و عمل: در این دوره، علیرضا اخوان‌پور با ترکیب آموزش تئوری و تمرین‌های عملی، به شما کمک می‌کند تا یادگیری عمیق و کاربردی را تجربه کنید. این روش باعث می‌شود تا دانش شما به سرعت به مهارت تبدیل شود.
این دوره فرصتی بی‌نظیر است که تحت هدایت یک متخصص باتجربه، مفاهیم پیچیده هوش مصنوعی و یادگیری عمیق را به‌صورت عمیق و عملی فرا بگیرید.
مزایای آموزش ترکیبی
1. انعطاف‌پذیری:
- دانشجویان می‌توانند در هر زمان و مکانی به محتوای آموزشی دسترسی داشته باشند.
- سرعت یادگیری را می‌توان با توجه به نیازهای هر دانش‌آموز تنظیم کرد.
2. تعامل:
- جلسات آنلاین فرصتی برای تعامل مستقیم بین دانشجویان و استاد را فراهم می‌کند.
- دانشجویان می‌توانند به صورت فعال در بحث‌ها و گفتگوها شرکت کنند.
3. شخصی‌سازی:
- محتوای آموزشی می‌تواند با توجه به نیازها و علایق هر دانش‌آموز شخصی‌سازی شود.
- دانشجویان می‌توانند بر روی نقاط ضعف خود تمرکز بیشتری داشته باشند.
4. صرفه‌جویی در هزینه:
- هزینه‌های مربوط به رفت و آمد و چاپ کتاب‌ها و جزوات کاهش می‌یابد.
5. افزایش انگیزه:
- تنوع روش‌های آموزشی در آموزش ترکیبی انگیزه دانشجویان را برای یادگیری افزایش می‌دهد.
- دانشجویان می‌توانند با سرعت خود یاد بگیرند و در فرآیند یادگیری نقش فعال داشته باشند.
تاریخ و ساعت برگزاری
ساعت و روز برگزاری: دوشنبه ها ساعت 18 الی 19:20
تاریخ برگزاری: از 19 شهریور 1403
گواهی اتمام دوره
دانشجویانی که در دوره ثبت نام کرده و در جلسات آنلاین شرکت کنند و تمارین و پروژه را در موعد مقرر انجام دهند، گواهینامه اتمام دوره از سایت کلاس ویژن دریافت خواهند کرد.
علاوه بر این، دانشجویان برتر دوره به شرکت‌های فعال در حوزه هوش مصنوعی معرفی خواهند شد.
برای کسب اطلاعات بیشتر به لینک دوره یا پشتیبانی تلگرامی مراجعه کنید.
مهدی انصاری( خریدار محصول )
دوره کامل عالی و بی نظیری است