دوره کامل دیپ لرنینگ (deep learning) از مقدماتی تا پیشرفته - کاملا پروژه محور و مبتنی بر مفاهیم عملی

‫در این دوره، یادگیری عمیق (deep learning) ‫رو به صورت کامل و از سطح مقدماتی (کسانی که هیچ دانشی در مورد یادگیری عمیق ندارند یا دانش کمی دارند) تا سطح پیشرفته بررسی میکنیم. با این وجود، فرض بر این هست که شما با مفاهیم اولیه و اساسی ماشین لرنینگ (machine learning) آشنا هستید. پس اگر فکر میکنین نیاز به مرور این مفاهیم دارین یا دانشی در این زمینه ندارین، پیشنهاد میکنم ابتدا دوره ماشین لرنینگ و پروژه های انجام شده در این زمینه رو مشاهده بفرمایید:
‫دوره کامل یادگیری ماشین از مقدماتی تا پیشرفته    • دوره کامل ماشین لرنینگ از مقدماتی تا پیشرف...  
‫‫3 پروژه کاملا کاربردی و مبتنی بر واقعیت برای تمرین بیشتر یادگیری ماشین    • ‫3 پروژه کاملا کاربردی و مبتنی بر واقعیت ب...  
همچنین زبان برنامه نویسی مورد استفاده در دوره، زبان پایتون ‫(Python) هست و فرض براین هست که شما با این زبان برنامه نویسی آشنا هستید. ولی اگر اینطور نیست یا حس می کنید نیاز به مرور مفاهیم دارید، پیشنهاد میکنم قبل از این دوره، ‫دوره کامل برنامه نویسی به زبان پایتون و تمرینات مربوط به اون رو مشاهده کنید. ‫لینک این جلسه:
‫دوره کامل پایتون از مقدماتی تا پیشرفته    • ‫دوره کامل آموزش برنامه نویسی به زبان پایت...  
‫پنج پروژه با استفاده از پایتون - از سطح مقدماتی تا پیشرفته    • پنج پروژه با استفاده از پایتون - از سطح مق...  
‫‫در طول دوره سعی بر این هست که تمامی مفاهیم، تعاریف، الگوریتم ها و لایه ها (layers) با جزییات دقیق، مثال های متنوع و پیاده سازی به صورت پروژه محور بررسی بشه. ‫لیست مطالبی که در این دوره بررسی خواهیم کرد:
‫آشنایی با شبکه عصبی عمیق (deep neural network) و نحوه کار آن 05:10
‫آشنایی و شروع کار با google colab و استفاده از کارت گرافیکی در آن 27:36
‫آشنایی با مفاهیم اولیه در Tensorflow و عملیات ریاضی در آن 37:22
‫ساخت شبکه عصبی و آشنایی با پارامترهای اولیه 1:06:14
‫شبکه عصبی معمولی بهتره یا عمیق؟ 1:25:47
‫بررسی دقیق پارامترهای موجود در شبکه عصبی عمیق و مقادیر آنها 1:51:10
‫بررسی انواع مختلف توابع هزینه (cost functions) و کاربرد آنها در پروژه های متفاوت 2:8:59
‫پروژه شماره یک - تشخیص اعداد با استفاده از شبکه عصبی عمیق 2:28:48
‫اعتبارسنجی متقابل (Cross Validation) 2:57:12
تعیین بهترین پارامترها با استفاده از grid search و random search و نحوه پیاده سازی آنها 3:25:21
.
دوره ها و جلسات مرتبط
موازنه بایاس و واریانس یعنی چی؟ (‫دلیل overfit یا underfit شدن مدلها چیه؟)    • ‫آموزش یادگیری ماشین 16 - موازنه بایاس و و...  
‫‫آشنایی با کتابخانه ‫matplotlib و دستورات مهم آن در 10 دقیقه    • ‫‫کتابخانه های پرکاربرد در پایتون 3 -‫ آشن...  
‫آشنایی با کتابخانه‫ ‫Pandas ‫و دستورات مهم آن در 20 دقیقه    • ‫‫کتابخانه های پرکاربرد در پایتون 2 -‫ ‫آش...  
‫آشنایی با کتابخانه ‫numpy و دستورات مهم آن در 20 دقیقه    • ‫کتابخانه های پرکاربرد در پایتون 1 -‫ آشنا...  
.
ممنون میشم اگر ویدیوها آموزنده هست اونها رو لایک کنید، توی کانالمون سابسکرایب کنید و اونها رو با دیگران هم به اشتراک بذارین.

لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.
لینک کانال تلگرام https://t.me/techwithhasanabbasi

اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
https://calendly.com/techwithhasanabb...