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