صفحه اصلی
کامپیوتر و IT ، مدرسه مهارت
دوره مقدمات شبکه عصبی و یادگیری عمیق
سرفصل های دوره مقدمات شبکه های عصبی و یادگیری عمیق ویژه مهندسی کامپیوتر و IT

سرفصل های دوره مقدمات شبکه های عصبی و یادگیری عمیق ویژه مهندسی کامپیوتر و IT مدرسه مهارت کامپیوتر و IT

مقدمات شبکه‌های عصبی و یادگیری عمیق 30 ساعت (ویژه رشته مهندسی کامپیوتر و IT)

ماژول ۱: مبانی شبکه‌های عصبی و یادگیری عمیق

  • شبکه عصبی چیست؟
  • کاربرد یادگیری عمیق در حل چه مسائلی است؟
  • اساس محاسبات در شبکه‌های عصبی مصنوعی و مدل‌های نرونی چیست؟
  • چرا به عمیق کردن شبکه‌های عصبی نیاز داریم؟

ماژول ۲: مدل‌های نرونی

  • مدل نرونی بایولوژیک
  • مدل نرونی McCullouch-Pitts
  • مدل نرونی Hebb
  • مدل نرونی پرسپترون (Perceptron)

ماژول ۳: مدل‌های شبکه‌های عصبی مقدماتی

  • شبکه‌های عصبی رقابتی (Competitive Networks)
  • شبکه‌های عصبی کوهنن (Kohonen Self-Organizing Maps)
  • شبکه‌های عصبی ADALINE

ماژول ۴: شبکه‌های عصبی پرسپترون چند لایه

  • آموزش شبکه‌های پرسپترون چند لایه با Backpropagation
  • انواع توابع هزینه (Loss function)
  • MLP برای داده‌های جدولی
  • تمرین دیتاست

ماژول ۵: الگوریتم‌های بهینه‌سازی برای یادگیری عمیق (Optimizers)

  • الگوریتم‌های کاهش گرادیان (Gradient Descent) و کاهش گرادیان تصادفی (Stochastic Gradient Descent)
  • Momentum
  • Adagrad
  • RMSprop
  • Adadelta
  • ADAM

ماژول ۶: مشکلات شبکه‌های عصبی پرسپترون عمیق و راه‌حل آن‌ها

  • Gradient vanishing
  • Overfitting and Underfitting
  • Dropout
  • Regularization
  • Batch Normalization
  • Hyperparameter Tuning

ماژول ۷: شبکه‌های عصبی کانولوشنی CNN

  • مشکلات شبکه‌های عصبی پرسپترون در پردازش تصاویر
  • مقدمه‌ای بر پردازش تصویر و اساس کار فیلترها
  • اساس محاسبات در لایه‌های کانولوشن
  • لایه Pooling

ماژول ۸: معماری‌های نوین شبکه‌های عصبی کانولوشنی (CNN)

  • LeNet
  • AlexNet
  • VGG
  • Inception
  • Residual Networks (ResNet)
  • Densely Connected Networks (DenseNet)

ماژول ۹: شبکه‌های عصبی بازگشتی RNN

  • مقدمه‌ای بر سری‌های زمانی و داده‌های Sequential
  • ضعف شبکه‌های عصبی کانولوشنی در پردازش سری‌های زمانی
  • مروری بر کاربردهای شبکه‌های عصبی بازگشتی

ماژول ۱۰: اساس کار شبکه‌های عصبی بازگشتی

  • معماری یک شبکه عصبی بازگشتی و جریان داده (Data Flow) در آن
  • یادگیری در شبکه‌های عصبی بازگشتی و Backpropagation Through Time

ماژول ۱۱: معماری‌های پرکاربرد در شبکه‌های بازگشتی

  • شبکه‌های عصبی بازگشتی Long Short Term Memory (LSTM)
  • شبکه‌های عصبی بازگشتی Gated Recurrent Unit (GRU)
  • شبکه‌های عصبی بازگشتی Bidirectional RNN

ماژول ۱۲: مکانیزم Attention در شبکه‌های عصبی بازگشتی

  • Multi-Head Attention
  • Self-Attention

ماژول ۱۳: شبکه‌های عصبی Transformer

جهت شرکت در دوره و یا دریافت مشاوره رایگان، فرم زیر را تکمیل کنید.

لطفا نام را وارد نمایید.
شماره موبایل ۱۱ رقمی را وارد کنید .
لطفا دسته بندی را وارد نمایید.
لطفا دسته بندی را وارد نمایید.
لطفا متن را وارد نمایید.