هدف دوره :
آشنایی با مفاهیم و معماری های شبکه های عصبی، بررسی چالشهای کار با شبکه های عصبی، پیاده سازی شبکه های عصبی عمیق در Keras و Tensoflow
سرفصل های دوره :
- آشنایی با شبکه های عصبی (مفاهیم اولیه) و یادگیری عمیق.
- چالش های کار با شبکه های عمیق و راهکارهای مقابله با آن.
- تنظیم اَبرپارامترها برای رسی دن به بهترین کارایی.
- معرفی کتابخانه های Pandas ، Numpy ، Keras ، sklearn و TensorFlow
- خودرمزگذارها (Autoencoder) و انواع آن.
- شبکه های عصبی کانولوشن (CNN) و معماری های از پیش آموزش دیده.
- شبکه های عصبی کانولوشن و بینایی ماشین و یادگیری انتقالی
- پیش پردازش متون و آماده سازی آن برای تزریق به شبکه های عصبی
- جایگزین کردن واژه ها (Word Embedding) ، مدلسازی زبانی با کمک شبکه های عصبی و بررسی ساختار word2vec
- شبکه های عصبی برگشتی (RNN) و چند مثال کاربردی
- بررسی معماری GRU و LSTM و استفاده از آن برای نظرکاوی و تحلیل احساسات، ترجمه ماشینی و سیستمهای پاسخ دهی پرسش
- تلفیق شبکه های عصبی برگشتی و شبکه های عصبی کانولوشن .
- مقدمه ای بر مفاهیمی چون شبکه های متخاصم مولد (GAN) ، مولفه توجه و ….
گذراندن دوره یادگیری ماشین برای این دوره الزامی است.