آموزش حرفه ای Neural Networks and Deep Learning

دوره شبکه های عصبی و یادگیری عمیق

Neural Networks and Deep Learning Course

نام دوره آموزشی: شبکه های عصبی و یادگیری عمیق (Neural Networks and Deep Learning)

 

Neural Networks Logo معرفی دوره آموزشی: دوره آموزشی "شبکه های عصبی و یادگیری عمیق" شما را با شبکه های عصبی و یادگیری عمیق، یکی از قدرتمندترین فناوری‌های هوش مصنوعی آشنا می‌کند.

دوره حاضر، به منظور آموزش اصول پایه ‌ای یادگیری عمیق و استفاده از این اصول در حوزه های مختلف مانند بینایی ماشین و پردازش توالی ها تدوین شده است.

به عبارتی دیگر، مخاطبین با شبکه های عصبی و معماری های مختلف آن آشنا می شوند و در ادامه کار با مدل های ساده شروع و به تدریج معماری ها و مدل های پیچیده تری آموزش داده می شوند. امروزه تقریباً تمام برنامه های کاربردی هوش مصنوعی، در دل خود از این مدل های مختلف معماری استفاده می کنند. برای پیاده سازی این معماری ها به سراغ کتابخانه محبوب TensorFlow و Keras می رویم و به‌صورت گام به گام و با استفاده از مثال‌های کاربردی شما را با مفاهیم شبکه های عصبی و یادگیری عمیق آشنا خواهیم کرد. اگر داده‌های غیرساختار یافته (متن، تصویر، فیلم یا صوت) دارید و به دنبال راه حل‌های نوآورانه برای نیازهای تجاری خود هستید، دوره " شبکه های عصبی و یادگیری عمیق" برای شما مناسب است.

 

محتوای آموزشی:

  • آموزش یادگیری ماشین و انواع یادگیری (با ناظر، بی ناظر، نیمه ناظر، خود ناظر و یادگیری تقویتی)
  • آموزش شبکه های عصبی و اجزاء تشکیل دهند آنها
  • آموزش TensorFlow و پیاده سازی شبکه های عصبی در آن
  • آموزش بینایی ماشین و شبکه های عصبی کانولوشن
  • آموزش پردازش توالی ها و شبکه های عصبی برگشتی
  • آموزش مکانیزم توجه و ترانسفورمر
  • آموزش خودرمزگذارها

 

مخاطبین دوره Neural Networks and Deep Learning:

  • متخصصان علوم کامپیوتر و فناوری اطلاعات
  • متخصصان علم داده، هوش مصنوعی و داده کاوی
  • مدیران IT کسب و کارها

 

سطح دوره آموزشی: متوسط تا پیشرفته

 

مدت زمان آموزش: ۳۲ ساعت

 

نحوه برگزاری: بصورت آنلاین / حضوری

 

پیش نیاز آموزش: آشنایی با زبان برنامه نویسی Python

 

 دوره رایگان Neural Networks and Deep Learning: برای اطمینان از کیفیت دوره Neural Networks and Deep Learning جلسه اول دوره را رایگان ثبت نام کنید.

 

زمانبندی و هزینه آموزش: برای اطلاع از هزینه لطفا به تقویم آموزشی مراجعه نمایید.

 

معتبرترین مدرک آموزشی: در پایان هر دوره مدرک معتبر اعطا خواهد شد که نمونه آن را می توانید در لینک"معتبر‌ترین مدرک لینوکس" مشاهده کنید. 

 

"The topics of this course have been updated on February 2024."

 

Neural Networks and Deep Learning Course Syllabus:

 

Machine Learning and types of learning

  • Supervised
  • Unsupervised
  • Semi-supervised
  • Self-supervised
  • Reinforcement Learning

 

Supervised Learning

  • Classification
  • Regression

 

Evaluation of Supervised Learning

  • Confusion Matrix, Accuracy
  • Precision
  • Recall
  • F-measure
  • Bias-Variance trade off
  • Overfitting

 

Neural Networks

  • Neurons
  • Layers
  • Weights
  • Activation Functions (Sigmoid, Hyperbolic tangent, ReLU and …)

 

Training of Neural Networks

  • Loss Function
  • Backpropagation Algorithm

 

Data Preparation

  • Normalization and Standardization
  • Data Transformation (One-hot encoding)

 

TensorFlow and Keras

  • Implementation of Neural Networks
  • Data Preprocessing and Loading in TF

 

Hyperparameter Tuning

  • Epoc
  • Batch Size
  • Optimizer
  • Learning Rate

 

Computer Vision and Convolutional Neural Networks

  • Implementation of Convolutional Neural Networks in TensorFlow
  • Transfer Learning, Data Augmentation
  • Classification and Localization
  • Semantic Segmentation
  • Instance Segmentation

 

Dropout, Early Stopping, Batch Normalization and Regularization

 

Sequence processing and Recurrent Neural Networks

  • LSTM
  • GRU
  • NLP & Embeddings
  • Sentiment Analysis
  • Machine Translation
  • Attention mechanism
  • Transformer

Auto encoders

Reinforcement Learning

Graph Neural Networks

Generative Adversarial Networks

Large Language Models

"سرفصل های این دوره در فوریه 2024 به‌روز شده‌اند."

 

سرفصل های دوره آموزشی "شبکه های عصبی و یادگیری عمیق"

 

آموزش یادگیری ماشین و انواع یادگیری

  • یادگیری با ناظر
  • یادگیری بی ناظر
  • یادگیری نیمه ناظر
  • یادگیری خود ناظر
  • یادگیری تقویتی

 

آموزش یادگیری با ناظر

  • طبقه بندی
  • رگرسیون

 

آموزش ارزیابی روش های با ناظر

  • اِفراز داده ها به سه بخش آموزشی، اعتبارسنجی و آزمایشی
  • ماتریس درهم ریختگی و محاسبه صحت، دقت، بازخوانی و سنجه F
  • موازنه بایاس و واریانس و تشخیص بیش برازش

 

آموزش مقدمه ای بر شبکه های عصبی

  • نورون ها
  • لایه ها
  • اوزان شبکه
  • توابع فعال سازی: سیگموئید، تانژانت هذلولی، ReLU و ...

 

آموزش شبکه های عصبی

  • تابع زیان و انواع آن
  • الگوریتم پس انتشار

 

آموزش آماده سازی داده ها

  • نُرمال سازی و استانداردسازی
  • تبدیل داده ها (رمزگذاری One-hot)

 

معرفی و آموزش TensorFlow و Keras

  • آشنایی با اکوسیستم TensorFlow: پیاده سازی شبکه های عصبی
  • بارگذاری و پیش پردازش داده ها در TF

 

تنظیم اَبرپارامترها

  • تعداد دوره
  • اندازه دسته
  • انتخاب بهینه ساز
  • نرخ یادگیری

 

آموزش بینایی ماشین و شبکه های عصبی کانولوشن (CNN)

  • لایه های کانولوشن و لایه های ادغام؛ اجزاء اصلی در معماری های CNN
  • پیاده سازی شبکه های عصبی کانولوشن در TensorFlow
  • یادگیری انتقالی: استفاده از شبکه های از پیش آموزش دیده
  • بهبود عملکرد با داده افزایی
  • طبقه بندی و محل یابی، بخش بندی معنایی، بخش بندی نمونه

 

آموزش تعمیم بهتر شبکه های عصبی

  • دورریزی، توقف زودرس، نُرمال سازی دسته ای و تنظیم

 

آموزش پردازش توالی ها و شبکه های عصبی برگشتی (RNN)

  • ماهیت توالی ها و استفاده از معماری RNN
  • مدیریت توالی های طولانی (LSTM, GRU)
  • پردازش زبان طبیعی: متون، توالی های رایج و جذاب
  • جایگزین ها: پیش پردازش متن برای تزریق به شبکه های عصبی
  • پردازش زبان طبیعی با RNN (تحلیل احساسات، ترجمه ماشینی)
  • مکانیزم توجه و معماری ترانسفورمر (توجه تمام چیزی است که به آن نیاز دارید)

 

آموزش و بررسی چند مفهوم و معماری در حوزه شبکه های عصبی

  • خودرمزگذار (یادگیری بی ناظر یا خود ناظر)
  • یادگیری تقویتی
  • شبکه های عصبی گرافی
  • شبکه های مولد متخاصم
  • مدل های زبانی بزرگ

 

درباره دوره شبکه های عصبی و یادگیری عمیق (Neural Networks and Deep Learning) بیشتر بدانید:

 

این دوره به آموزش یادگیری عمیق و شبکه‌های عصبی می پردازد، که دو زمینه هیجان‌انگیز و در حال رشد در علوم کامپیوتر هستند. در این دوره، شما به پایه‌ای قوی در جنبه‌های نظری و عملی تکنیک‌های یادگیری ماشین دست پیدا خواهید کرد. همچنین شما انواع الگوریتم‌های یادگیری ماشین، از جمله یادگیری نظارتی، یادگیری بدون نظارت، یادگیری نیمه‌نظارتی، یادگیری خودنظارتی و یادگیری تقویتی را خواهید آموخت. در ادامه مفاهیم کلیدی پشت هر نوع یادگیری را، مانند داده‌های آموزشی، پارامترهای مدل و دقت پیش‌بینی را بررسی خواهید کرد. یادگیری نظارتی یکی از رایج‌ترین انواع یادگیری ماشین است، که در آن مدل بر روی مجموعه داده‌ای آموزش می‌بیند که خروجی‌های مورد نظر در آن شناخته شده است.

در این دوره در بحث طبقه‌بندی، مدل یاد می‌گیرد که به نقاط داده برچسب‌هایی اختصاص دهد. به عنوان مثال، یک مدل طبقه‌بندی می‌تواند برای شناسایی اعداد دست‌نویس یا طبقه‌بندی تصاویر به عنوان گربه یا سگ استفاده شود. در رگرسیون، مدل یاد می‌گیرد که مقادیر عددی را پیش‌بینی کنید. به عنوان مثال، یک مدل رگرسیون می‌تواند برای پیش‌بینی قیمت خانه بر اساس ویژگی‌های آن یا پیش‌بینی بازار سهام استفاده شود.

شبکه‌های عصبی پایه یادگیری عمیق هستند. آنها از ساختار مغز انسان الهام گرفته شده‌اند و از لایه‌های به هم پیوسته‌ای از نورون‌ها تشکیل شده‌اند. شما در مورد بلوک‌های سازنده‌ی اصلی شبکه‌های عصبی، از جمله نورون‌ها، لایه‌ها، وزن‌ها و توابع فعال‌سازی آموزش خواهید دید. شبکه‌های عصبی با استفاده از یک الگوریتم بهینه‌سازی، معمولاً پس‌انتشار، آموزش می‌بینند که وزن‌های شبکه را به گونه‌ای به‌روزرسانی کند.

همچنین شما تکنیک‌های نرمال‌سازی و استانداردسازی، که برای مقیاس‌بندی داده‌ها به یک محدوده استاندارد استفاده می‌شوند، را می آموزید.

TensorFlow یک کتابخانه منبع‌باز محبوب برای یادگیری ماشین و یادگیری عمیق است و Keras یک API سطح بالا است که بر روی TensorFlow ساخته شده است. شما در مورد اصول استفاده از TensorFlow و Keras برای ساخت و آموزش شبکه‌های عصبی آموزش می بینید.

شبکه‌های عصبی دارای تعدادی پارامتر ابر هستند که رفتار آنها را کنترل می‌کنند. تنظیم این پارامترها برای دستیابی به عملکرد خوب ضروری است. شما در مورد انواع پارامترهای ابر در شبکه‌های عصبی، مانند تعداد دوره‌ها، اندازه دسته، بهینه‌ساز و نرخ یادگیری، نیز مطالبی خواهید آموخت و برای اجرای پروژه های در این حوزه آماده خواهید شد.

 

 

سوالات رایج به نحوه شرکت در دوره ها:

 

چه کسانی نیاز دارند این دوره شبکه های عصبی و یادگیری عمیق  را بگذرانند؟

این دوره مخصوص کسانی است که در حوزه Data Science فعال هستند و می خواهند بر روی مباحث  Neural Networks  و  Deep Learningمسلط گردند.

 

برای شرکت در دوره شبکه های عصبی و یادگیری عمیق چه پیش نیازهایی باید داشته باشیم؟

تسلط بر زبان پایتون الزامی است.

 

با گذراندن دوره شبکه های عصبی و یادگیری عمیق  در چه حوزه هایی می توانم وارد شوم؟

شما با گذراندن این دوره می توانید بر مهارت های AI خود بیافزایید و با آموزش شبکه های عصبی و یادگیری عمیق در این حوزه قوی تر به نقش آفرینی بپردازید.

 

دوره های خانه لینوکس حضوری هست یا آنلاین؟

دوره های خانه لینوکس هم به صورت آنلاین و هم به صورت حضوری برگزار می گردند که از هنگام شیوع بیماری کرونا اکثر دوره ها بصورت آنلاین و با کیفیت عالی برگزار می گردند. نحوه برگزاری هر دوره قبل از شروع دوره، در وبسایت مجموعه اعلام می گردد.

 

آیا امکان شرکت در دوره ها از خارج از ایران امکان پذیر هست؟

بله، امکان شرکت از هرجای دنیا در دوره های آنلاین خانه لینوکس وجود دارد.

 

سامانه آموزش آنلاین مجموعه چیست؟

سامانه آموزش آنلاین خانه لینوکس نرم افزارهای توسعه داده شده مبتنی بر پروژه متن باز bigbluebutton  Moodle +می باشد که بر روی بستر امن و قدرتمند لینوکس میزبانی شده است و هر امکانی که در سامانه های آموزش آنلاین رایج وجود دارد را در بالاترین کیفیت ارائه می دهد و همچنین یه انقلابی را از لحاظ کیفیت و قدرت استفاده از امکانات، در صنعت آموزش آنلاین بوجود آورده است.

 

آیا کیفیت دوره های آنلاین به اندازه دوره های حضوری هست؟

بی شک می توان گفت با توجه به سامانه نرم افزاری مورد استفاده در دوره های آنلاین آنیسا و میزبانی بر روی بستر لینوکس و پشتیبانی قدرتمند و وجود امکاناتی چون مشاهده ویدیوهای کلاس بعد از تشکیل کلاس و وجود همه نوع امکانات ارتباطی در بالاترین کیفیت، دوره های آنلاین کیفیتی کم از دوره های حضوری نداشته و معمولا با شرکت در دوره های آنلاین آنیسا، دشمنان دوره های آنلاین به طرفداران پروپاقرص این نوع از دوره های آموزشی تبدیل شده اند.

 

دوره ها به چه زبانی برگزار می گردند؟

دوره ها بصورت پیش فرض به زبان فارسی برگزار می گردند و درصورت نیاز می توان برخی دوره ها را بصورت خصوصی یا سازمانی به زبان انگلیسی برگزار کرد.

 

آیا می توانم همزمان در دو یا چند دوره آموزشی شرکت نماییم؟

در صورتی که یکی از این دوره ها آنلاین باشد، بله می توان. البته در صورت شرکت در دوره بصورت آفلاین، کسب مدرک به شرط قبولی در آزمون پایان دوره می باشد.

 

آیا امکان پرسش و پاسخ در کلاس آنلاین وجود دارد؟

بله شما در طول کلاس می توانید بصورت صوتی و یا تصویری، یا بصورت چت و حتی با به اشتراک گذاری تصویر صفحه کامپیوترتان در سامانهLMS ، به راحتی سوالات خود را بپرسید و استاد محترم مشکلات شما را در طول دوره به بهترین نحو حل می نماید.

 

آیا مدرس دوره تجربه عملیاتی مناسبی در حوزه مربوطه دارد؟

بله، مدرسان مجموعه آنیسا متخصصین و مدرسین برتر و مرجع حوزه تخصصی که آموزش می دهند با تجربه بالا در محیط ها کاری و عملیاتی هستند و غیر از دانش، بینش و تجربه را بصورت کاملا عملیاتی به دانشجویان منتقل می نمایند. قابل ذکر است که دوره های خانه لینوکس در بالاترین سطح علمی و عملی در دنیا ارائه می گردد.

 

آیا می توانیم قبل از شرکت در دوره تعیین سطح و مشاوره داشته باشیم؟

بله شما می توانید با تماس با مجموعه و مشاوره کاملا صادقانه و رایگان به منظور جلوگیری از طوفان مغزی در انتخاب مسیر، مشاوره و تعیین سطح شوید.

 

امکان شرکت در کلاس ها بصورت آفلاین وجود دارد؟

شما باید دوره های مجازی (آنلاین) را ثبت نام نمایید، اما می توانید با توجه به وجود مشغله کاری، یا اختلاف ساعت محل زندگی تان، دوره را در طول زمان برگزاری بصورت آفلاین ملاحظه بفرمایید. البته در صورت شرکت در دوره بصورت آفلاین، کسب مدرک منوط به قبولی در آزمون پایان دوره است.

 

ساعت برگزاری دوره ها به چه صورت است؟

معمولا زمان برگزاری دوره های در طول هفته، در بعد از ظهر ها و دوره های آخر هفته صبح ها و یا بعد از ظهر ها می باشند. لطفا برای اطلاع دقیق از ساعت برگزاری هر دوره به تقویم آموزشی مراجعه فرمایید.

 

آیا تعداد ساعت دوره های حضوری و آنلاین با یکدیگر متفاوت است؟

خیر، کاملا یکسان است.

 

سوالات رایج آزمون ها و مدارک:

آیا پس از دوره مدرک معتبر دریافت می کنم یا باید در آزمون های بین المللی شرکت کنم؟

پس از شرکت در هر دوره، در صورت اجرای تمرینات دوره و قبولی در آزمون های دوره، مدرک فناوران آنیسا - خانه لینوکس برای شما صادر می گردد که به دلیل سطح دانش کسب شده توسط دانشجویان، در اکثر شرکت های بزرگ دنیا از اعتبار بالایی برخوردار است.

در حوزه لینوکس، در صورت نیاز، دانشجویان می توانند جداگانه در ازمون های بین المللی موسسه LPI شرکت نمایند و پس از قبولی مدرک موسسه LPI را اخذ نمایند.

 

آیا مدرک خانه لینوکس قابل ترجمه هست؟

مدرک خانه لینوکس به زبان انگلیسی صادر می گردد و نیازی به ترجمه در هنگام پروسه مهاجرت یا همکاری با شرکت های خارجی نیست.

 

آیا می توانم بدون شرکت در دوره آموزشی در آزمون بین المللی شرکت کنم؟

بله، در صورت آمادگی برای شرکت در آزمون های بین المللی لینوکس، این امکان وجود دارد.

 

آزمون های بین المللی به چه زبانی برگزار می شوند؟

این آزمون ها در ایران به زبان انگلیسی برگزار می گردند.

 

چگونه داوطلبان می توانند صحت مدارک خود را به کارفرمایان اثبات کنند؟

کارفرمایان می توانند جهت آگاهی از وضعیت گواهینامه شما، با ارائه شماره سریال مدرک موسسه در وبسایت موسسه، مدارک خانه لینوکس را استعلام نمایند.

 

آزمون پایان دوره به چه صورت است؟

این آزمون به صورت آنلاین در سامانه LMS مجموعه برگزار می گردد. اجرای تمارین کلاسی و تاییدیه مدرس جهت صدور مدرک نیاز است.

 

سوالات عمومی:

آیا من می توانم ویدیوی دوره را ضبط کنم؟

خیر، به منظور حفظ حق مالکیت معنوی موسسه (البته با لطف و حمایت دانش پژوهان محترم خانه لینوکس)، دوره های آنلاین توسط موسسه ضبط می گردند و تا شش ماه در دسترس کامل دانشجو برای تمرین و یادآوری در سامانه آموزش مجازی در دسترس هستند اما ضبط و انتشار ویدیوهای کلاس توسط دانشجو غیر قانونی است.

 

چه نیازمندی های سخت افزاری برای برگزاری این کلاس به صورت آنلاین نیاز هست؟

داشتن یک سیستم با حدود 30 گیگ هارد خالی و حداقل 8 گیگ مموری و حداقل cpu در سطح core i3 نیازمندی شرکت در این دوره هست. در دوره های حضوری مجموعه به هر دانشجو یک سیستم مجزا تخصیص داده می شود. دسترسی به اینترنت نیز برای کلاس های آنلاین، نیاز است.

 

آیا من پشتیبانی رو در طول دوره دارم؟

بله شما در طول دوره پشتیبانی مجموعه و مدرس را دارید.

 

آیا امکان پیشنهاد کار از سمت موسسه به دانشجویان وجود دارد؟

بله، بدین منظور موسسه همواره آگهی های شغلی سازمان های همکار را در شبکه های اجتماعی منتشر می کند و با کسب دانش و تخصص، دانشجویان توانسته اند در بهترین شرکت ها و سازمان های داخلی و خارجی جمله Dell، Cisco، MTN، Amazon و حتی NASA مشغول به کار شوند.

 

آیا کلاس را می توانم بصورت خصوصی و یا اختصاصی برای سازمان برگزار کنم؟

بله امکان شرکت بصورت دوره خصوصی یا سفارشی شده برای سازمانها وجود دارد.

 

آیا مسیر آموزشی مشخصی برای ادامه کسب تخصص وجود دارد؟

بله، حرفه ای ترین مسیر آموزش نتیجه سال ها تجربه و آموزش حرفه ای در صنعت و همچنین نتیجه اتاق فکر اساتید آنیسا بصورت یک Roadmap جامع در حوزه های مدیریت سیستم های لینوکس، توسعه نرم افزار، DevOps، IOT، Data Science، شبکه و DevNet و همچنین زیرساخت به دانشجویان ارائه می گردد.

 

تا چه مدت به دوره دسترسی دارم؟

در دوره های آنلاین، تا دو ماه پس از اتمام دوره، ویدیوهای دوره قابل بازدید در سامانه آموزش آنلاین است.

 

سوالات رایج ثبت نام و پرداخت:

آیا امکان پرداخت هزینه دوره بصورت اقساط وجود دارد؟

بله خوشبختانه، این امکان وجود دارد.

 

آیا تخفیفی برای شرکت در دوره ها وجود دارد؟

بله تخفیفات دائمی چون تخفیف گروهی، دوره های همزمان، تخفیف معرفی و تخفیفات مناسبتی وجود دارد.

 

گروه سنی مخاطب دوره ها چیست؟

مخاطب دوره های تخصصی آنیسا معمولا جوانان و بزرگ سالان متخصص هستند اما دوره های مجزایی برای رده سنی نوجوانان و کودکان وجود دارد.

 

چگونه می توانم برای شرکت در دوره ثبت نام کنم؟

کافی است برای شروع در قسمت پیش ثبت نام، پیش ثبت نام را انجام داده و منتظر تماس همکاران ما باشید که در اسرع وقت و در ساعات اداری با شما تماس خواهند گرفت و شما را در ادامه پروسه ثبت نام همراهی می نمایند.

 

آیا رعایت پیش نیاز ها واجب است؟

بله، رعایت پیش نیاز های رسمی دوره بسیار مهم هستند، و عملا بدون رعایت آنها امکان بهره وری از دوره وجود ندارد.

 

من دانش آموزم آیا می توانم در دوره ها شرکت کنم؟

بله، با مشاوره و سنجش دانش شما در حوزه IT امکان شرکت در دوره مناسب سن و دانش شما وجود دارد.

 

دوره های پیشنهادی