لوگو فرااپلای

یادگیری ماشین پیشرفته

دوره یادگیری ماشین پیشرفته

سر فصل های یادگیری ماشین پیشرفته

این دوره شامل روش‌های یادگیری ماشین پیشرفته، مبانی شبکه های عصبی، یادگیری عمیق و کاربردهای آن‌ها در صنعت است. دوره ابتدا با مروری بر اصول اولیه یادگیری ماشین، از جمله یادگیری تحت نظارت و بدون نظارت، انتخاب ویژگی و روش‌های یادگیری گروهی آغاز می‌شود. سپس به جزئیات الگوریتم های یادگیری عمیق مانند شبکه های عصبی مصنوعی (ANN)، شبکه های عصبی کانولوشنال (CNN)، شبکه های عصبی بازگشتی (RNN) و حافظه کوتاه مدت بلند مدت (LSTM) پرداخته می‌شود. دانشجویان در مورد معماری، آموزش و بهینه سازی این شبکه ها و همچنین کاربردهای آنها در پردازش تصویر و زبان طبیعی یاد خواهند گرفت. این دوره همچنین روش‌های خوشه‌بندی را که اغلب در سناریوهای یادگیری بدون نظارت استفاده می‌شوند، و همچنین تکنیک‌های یادگیری عمیق برای پردازش تصویر و پردازش زبان طبیعی را پوشش می‌دهد. دانشجویان یاد خواهند گرفت که چگونه با استفاده از روش های یادگیری عمیق، تصاویر و داده های متنی را پیش پردازش، دستکاری و تجزیه و تحلیل کنند.

در طول دوره، دانشجویان این فرصت را خواهند داشت که دانش خود را از طریق یک پروژه پایانی درس در مسائل دنیای واقعی به کار گیرند. در پایان دوره، دانشجویان درک قوی از مفاهیم و تکنیک های اساسی یادگیری ماشین و یادگیری عمیق و همچنین تجربه عملی در استفاده از این تکنیک ها برای حل مسائل پیچیده خواهند داشت.

سرفصل ها و زمانبندی دوره

مقدمه ای بر الگوریتم های یادگیری ماشین پیشرفته، شبکه های عصبی و یادگیری تقویتی

جلسه اول
جلسه دوم

مهندسی ویژگی های مدل (Feature Engineering)

یادگیری گروهی (Ensemble Learning)

جلسه سوم
جلسه چهارم

خوشه‌بندی (Clustering)

شبکه‌های عصبی مصنوعی (ANN)

جلسه پنجم
جلسه ششم

یادگیری عمیق (Deep Learning)

شبکه‌های عصبی کانولوشنی (CNN)

جلسه هفتم
جلسه هشتم

شبکه‌های عصبی بازگشتی (RNN)

یادگیری عمیق برای پردازش تصویر

جلسه نهم
جلسه دهم

یادگیری عمیق برای پردازش زبان طبیعی

پروژه پایانی : 

 

تشخیص اشیا (Object Detection) در تصاویر با استفاده از الگوریتم های پردازش تصویر

جلسه یازدهم
جلسه دوازدهم

بررسی و تحلیل روش ها مختلف حل پروژه نهایی

مدرسین دوره

- دانشجوی دکترا مهندسی شیمی در دانشگاه تهران
- دیتا ساینس در شرکت ترندپلاس
- توسعه دهنده پایتون در بنیاد ملی نخبگان
- پست دکترا مهندسی کامپیوتر از دانشگاه
اینسبروک اتریش 2019
- دکترا مهندسی کامپیوتر از MDH سوئد 2017
- موسس شرکت بین المللی ترندپلاس و مدرس دانشگاه
- بیش از 12 سال سابقه کار در زمینه بهینه سازی و علوم داده در شرکت های اروپایی (اریکسون، هواوی و ...)

6 دلیل طلایی برای انتخاب یادگیری ماشین پیشرفته

نیاز است چه میزان زمانی در هفته برای دوره وقت بزاریم؟

هفته ای 2 ساعت کلاس آنلاین + 4 ساعت تمرین و مطالعه

آیا برنامه کاملا مجازی است؟

بله، کلاس ها به صورت مجازی و از طریق پلتفورم اسکای روم برگزار میشود.

آیا پس از پایان هر جلسه به ویدئو ضبط شده آن جلسه دسترسی دارم؟

بله، پس از پایان هر جلسه ویدئو آن جلسه در اسپات پلیر قرار میگیرد.

آیا پس از پایان دوره دسترسی به ویدئوهای دوره وجود دارد؟

بله، به مدت یک سال دانشجو به ویدئو های دوره دسترسی دارد.

آیا پس از اتمام کلاس مدرک دریافت خواهم کرد؟

در صورت انجام پروژه نهایی مدرک انگلیسی از طرف شرکت سوئدی ترندپلاس صادر می شود.

آیا باید برای معرفی مطالب آموزشی تکمیلی یا هزینه‌های صدور مدرک هزینه اضافی بپردازم؟

خیر، نیاز به پرداخت هزینه وجود ندارد.

آیا امکان کارآموزی در شرکت ترندپلاس برای همه فارغ التحصیلان پس از پایان دوره وجود دارد؟

خیر، تنها برای دانش آموختگان برتر امکان کارآموزی با حقوق در دفتر تهران شرکت ترندپلاس وجود دارد.

در این برنامه روی چه نوع پروژه ها و مباحثی کار خواهم کرد؟

پیش بینی زمان سفر های درون شهری برای تاکسی های شهر نیویورک به کمک یادگیری ماشین

آیا در صورت غیبت در چندین جلسه امکان دریافت سرتیفیکیت نهایی دوره وجود دارد؟

بله، در صورت انجام پروژه نهایی و تکالیف دوره امکان دریافت سرتیفیکیت وجود درد.

آیا این دوره آمادگی شغلی را برای کار در حوزه یادگیری ماشین ارائه می دهد؟

بله، با گذراندن این دوره آمادگی ورود به بازار کار وجود دارد.

در این دوره با چه ابزارهایی کار میکنیم؟

نرم افزار ژوپیتر، زبان پایتون، کتابخانه های Numpy، Pandas  و کتابخانه های یادگیری ماشین مانند Scikit و…

چه مهارت هایی برای شروع کار در زمینه هوش مصنوعی مورد نیاز است؟

تسلط به الگوریتم های یادگیری ماشین، تسلط به الگوریتم های یادگیری عمیق، تسلط به زبان برنامه نویسی پایتون، تحلیل آماری

آیا امکان ثبت نام گروهی کارمندان یک شرکت در دوره وجود دارد؟

بله، امکان تخفیف برای ثبت نام گروهی وجود دارد و باید با دفتر فرااپلای تماس بگیرید.

قوانین بازپرداخت هزینه چیست؟

در صورت ثبت نام قبل از شروع دوره، پس از پایان جلسه اول امکان بازپرداخت 100% مبلغ دوره وجود دارد. ولی پس از برگزاری جلسه دوم امکان لغو ثبت نام وجود ندارد.

گزینه های پرداخت من چه هستند؟

پرداخت به صورت نقدی از طریق درگاه پرداخت سایت فرااپلای میباشد و در صورت داشتن کد تخفیف مبلغ آن از مبلغ کل دوره کسر خواهد شد. 

در صورت بروز مشکل در درگاه پرداخت اینترنتی میتوانید برای واریز کارت به کارت با دفتر فرااپلای تماس بگیرید.