دوره
اطلاعات تکمیلی

دوره آموزشی یادگیری عمیق

درسنامه های دوره آموزشی آنلاین یادگیری عمیق در چندین فصل توسط استاد محمد حیدری تدوین شده است.

نوع دوره: آموزش متنی

توسط مدرسه علوم داده و بیگ دیتا

دسترسی بلافاصله پس از ثبت نام

مدت دوره: 180 دقیقه

سطح دوره: مقدماتی

اعطای مدرک پایان دوره

به همراه پشتیبانی

زبان دوره: پارسی

بدون پیش نیاز

آشنایی با راهبر و مدرس دوره آموزشی آنلاین یادگیری عمیق

محمد حیدری فارغ التحصیل مقطع کارشناسی مهندسی نرم افزار، دانشجوی اسبق مقطع کارشناسی ارشد مهندسی فناوری اطلاعات، گرایش معماری سازمانی در دانشگاه شهید بهشتی تهران و فارغ التحصیل مقطع کارشناسی ارشد مهندسی فناوری اطلاعات گرایش شبکه های پیچیده از دانشگاه تربیت مدرس تهران است. ایشان هم اکنون بعنوان مدیریت عامل شرکت رایانش هوشمند شریف فعالیت می کنند و بنیانگذار مدرسه علوم داده وبیگ دیتا بعنوان یک پلتفرم آموزشی آنلاین هوش مصنوعی برای پارسی زبانان دنیا می باشند.

سوابق پژوهشی و برگزاری کارگاه های آموزشی در سطح ملی

  • برگزاری کارگاه آموزشی پردازش و تحلیل کلان داده بر بستر موتور پردازشی اسپارک
    • (یازدهمین کنفرانس بین المللی فناوری اطلاعات، دانشگاه شهید بهشتی تهران)
  • برگزاری کارگاه آموزشی Towards Big Data Processing by Spark Unified Analytics Engine
    • (ششمین سمینار زمستانه علوم کامپیوتر دانشگاه صنعتی شریف)
  • برگزاری کارگاه آموزشی Graph Analytics Algorithms, Community Detection Approaches
    • (پنجمین سمینار زمستانه علوم کامپیوتر دانشگاه صنعتی شریف)
  • برگزاری کارگاه آموزشی Deep Learning-based Natural Language Processing
    • (همایش علوم داده و هوش مصنوعی دانشگاه صنعتی امیرکبیر)
  • برگزاری کارگاه آموزشی مهندسی کلان داده ها بر بستر موتور پردازشی اسپارک
    • دوازدهمین جشنواره لینوکس، دانشگاه صنعتی امیرکبیر

سوابق تدریس دانشگاهی

  • تدریس یار درس کاوش مه داده، دانشکده علوم ریاضی و کامپیوتر، دانشگاه تربیت مدرس تهران
    • بهار 1400
  • تدریس یار درس کاوش دادگان انبوه، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس تهران
    • زمستان 1398
  • تدریس یار درس داده کاوی و کشف دانش، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس تهران
    • زمستان 1398
  • تدریس یار درس شبکه های پیچیده، دانشکده مهندسی صنایع، دانشگاه شهید بهشتی تهران
    • زمستان 1398
  • تدریس یار درس تحلیل شبکه های اطلاعاتی، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس تهران
    • پاییز 1398
  • مدرس دوره های برنامه نویسی پایتون و لینوکس، مرکز آموزش های تخصصی جهاد دانشگاهی
    • تابستان 1396

مقالات پژوهشی در کنفرانس های بین المللی

 M Heydari and B. Teimourpour, “Graph Representation Learning Towards
Patents Network Analysis”, 2021 11th International Conference on Computer
Engineering and Knowledge (ICCKE), 2021.
[Ref]
 
 M. Heydari and B. Teimourpour, “Persian Opinion Mining: A
Networked Analysis Approach,”
 2021 7th International Conference
on Web Research (ICWR), 2021, pp. 142-149,
doi: 10.1109/ICWR51868.2021.9443158. [Ref]
  
 M. Heydari, M. Khazeni, Mohammad Ali Soltanshahi, “Deep Learning-based Sentiment
Analysis in Persian Language,”
 2021 7th International Conference
on Web Research (ICWR), 2021, pp. 287-291,
doi: 10.1109/ICWR51868.2021.9443152. [Ref]
  
 M. Heydari and B. Teimourpour, “Analysis of ResearchGate, a
Community Detection Approach,”
 2020 6th International Conference
on Web Research (ICWR), 2020, pp. 319-324,
doi: 10.1109/ICWR49608.2020.9122296. [Ref]
  
 M. Heydari and F. Sham Aliee, “Migration to the Microservice
Architecture Style Comparing to the Monolithic Architecture Style with
Forwarding Challenges Analysis,” 2018 4th International    Conference on Web Research (ICWR), 2018.
[Ref]

بعد از دوره آموزشی آنلاین دیتابیس های یادگیری عمیق چی یاد می گیریم؟

به طور خلاصه با مفاهیم کلیدی یادگیری عمیق آشنا میشیم، تکنیک ها و الگوریتم های پایه ای یادگیری عمیق رو یاد می گیریم و در مرحله عملی با چارچوب های اصلی نظیر تنسورفلو و پای تورچ کار می کنیم.

سرفصل های دوره آموزشی آنلاین یادگیری عمیق

آموزش مفاهیم کلیدی یادگیری عمیق

آشنایی با الگوریتم های پایه ای یادگیری عمیق

کار با چارچوب های عملیاتی تنسورفلو و پای تورچ

مخاطبین دوره آموزشی آنلاین یادگیری عمیق چه افرادی هستند؟

علاقه مندان به فیلد هوش مصنوعی و دیپ لرنینگ

به زبان ساده، شبکه عصبی چیست؟ شبکه‌ عصبی، دسته‌ای از الگوریتم‌هاست که برای شناسایی و تشخیص الگوها استفاده می‌شود. شبکه‌ی عصبی ساختاری شبیه به مغز انسان دارد و نام‌گذاری آن نیز به همین دلیل است. انواع داده‌ها مانند متن، تصویر، فیلم و … قابل تبدیل به بردارهایی با مولفه‌های عددی هستند. الگوهایی که یک شبکه‌ عصبی تشخیص می‌دهد، به شکل مولفه‌های عددی یک بردار چند بعدی هستند. بنابراین، شبکه‌ عصبی، با استفاده از یک ابزار ادارکی ماشینی (machine perception)، داده‌های خام را دریافت می‌کند و سعی می‌کند الگوهای موجود در این داده‌ها را شناسایی کند.

در این آموزش، یکی از محبوب‌ترین و پرکاربردترین علوم حوزه هوش مصنوعی، یعنی یادگیری عمیق (Deep Learning)، معرفی شده است. در حال حاضر، تقریبا در تمام كاربردهای هوش مصنوعی مبتنی بر پردازش تصویر، صوت و متن، مانند: تلفن‌های همراه، سامانه‌های هوشمند اینترنتی، رباتیک و ماشین‌های خودران، ردپای یادگیری عمیق دیده می‌شود. در این آموزش، علاوه بر تئوری مبانی یادگیری عمیق، تکنیک‌ها و مدل‌های مختلف و نحوه آموزش شبکه‌های عصبی عمیق، مثال‌های عملی کار با مدل‌ها و نحوه پیاده‌سازی بستر کدنویسی پایتون و تنسورفلو نیز ارائه خواهد شد.

بیشتر مباحث مطرح شده در این آموزش به طور خلاصه و در زمان كوتاه ولی در سطح مناسبی عنوان شده و در انتهای این آموزش، قادر خواهید بود تا با تسلط خوبی بر روی مباحث پایه‌ای یادگیری عمیق، وارد مرحله بعدی یعنی آموزش‌های کدنویسی و کار عملی در این حوزه شوید. رویکرد اصلی این آموزش، حوزه بینایی ماشین و پردازش تصویر است و مدل‌های کانولوشنی که از محبوب‌ترین مدل‌های یادگیری عمیق هستند با جزئیات بیشتری بررسی خواهند شد.

اسکرول به بالا