آموزش یادگیری عمیق (Deep Learning) و کاربرد آن در علم داده

توضیحات "آموزش یادگیری عمیق (Deep Learning) و کاربرد آن در علم داده" :

در دوره آموزش یادگیری عمیق در بیش از 5 ساعت به آموزش deep learning و کاربرد آن در علم داده با رویکرد کاربردی و عملی بودن آموزش می پردازیم.

یادگیری عمیق یا یادگیری ژرف، یکی از توسعه های محبوب یادگیری ماشین است که به بررسی موضوعات انتزاعی و اجرای آن توسط ماشین می پردازد. در یادگیری عمیق به وسیله یک تصویر و نمودار از گراف لایه های مختلف در یک فرآیند، می توان به بخش های مختلف در حل مساله مورد نظر پرداخت. این حوزه از یادگیری ماشین که نزدیکی زیادی با مفاهیم شبکه های عصبی دارد، الگوریتمی را دنبال می کند که کمترین مرحله اجرا، بیشتری سرعت و کمترین هزینه را برای ماشین داشته باشد.

در آموزش deep learning پس از بررسی مفاهیم اولیه و تاریخچه ای کوتاه از یادگیری ماشین، نحوه ساخت یک الگوریتم خودکار یا به بیانی دقیق تر، یادگیری ماشین را می آموزید. پکیج های معروفی همچون Tensorflow و sklearn که بخش عمده فرآیندهای یادگیری ماشین را پوشش می دهند، معرفی خواهد شد. همچنین با بررسی مثال هایی از دنیای واقعی، یک الگوریتم کاربردی را می سازیم. علاوه بر این ها با بررسی دقیق تر یک مجموعه داده در حوزه تشخیص تصویر به نام MNIST، به بررسی گام های مختلف در طراحی الگوریتم و آماده سازی داده ها جهت ساخت یک الگوریتم یادگیری ماشین می پردازیم. 

آنچه در دوره آموزش یادگیری عمیق (آموزش deep learning) و کاربرد آن در علم داده بیان می شود:
• آشنایی با شبکه های عصبی
• نحوه ساخت یک شبکه عصبی از (Scratch) با NumPy
• آشنایی با TensorFlow 2.0
• ورود عمیق تر در NN ها معرفی شبکه های عصبی عمیق
• بیش برازش (Overfitting)
• مقداردهی اولیه (Initialization)
• عمیق شدن در جدول شیب نزولی و برنامه های نرخ یادگیری
• پیش پردازش (Preprocessing)
• طبقه بندی در مجموعه داده های MNIST
• مثال مورد تجاری و کسب‌و‌کار

همچنین مفاهیم کاهش گرادیان، بیش برازش، پیش انتشار و … که جزو اصلی ترین مفاهیم در حوزه های شبکه های عصبی و یادگیری ماشین محسوب می شود را به طور دقیق بررسی خواهیم کرد.