مهلت باقی مانده تا پایان تخفیف
قدرت پیاده سازی مقالات داشته باشید.
در یادگیری عمیق علاوه بر آن که باید مباحث تئوری و مقالات را به خوبی درک کنید، نیاز است که بتوانید آن ها را پیاده سازی کنید. در بسیاری از مقالات یک Loss function اختصاصی ارایه می شود، در بسیار یک معماری شبکه اختصاصی و یا شبکه های با چند ورودی و چند خروجی ارایه می شود. شاید بتوانیم این مقالات را بخوانیم و آنها را درک کنیم ولی آیا قادر خواهیم بود که آنها را پیاده سازی کنیم ؟
در این دوره ابزارهایی را یاد میگیرید که پیاده سازی مقالات برای شما ساده تر از قبل می شود و دیگر ترسی از پیاده سازی مقالات نخواهید داشت.
دوره هایی برای همه حوزه ها
تفاوتی ندارد که در چه حوزه ای کار میکنید. این دوره احتمالا به کار شما می آید. اگر در حوزه شناسایی اشیا کار میکنید، اگر در حوزه بازشناسی چهره کار میکنید، اگر از مدل های مولد استفاده می کنید و اگر …
این دوره فارغ از حوزه کاری است و شامل مجموعه روش ها و تکنیک هایی است که در همه جا به کار می رود. در زیر به صورت جداگانه برخی از این حوزه ها بررسی شده اند :
حوزه شناسایی اشیا (Object Detection)
اگر مقالات مرتبط با حوزه Object Detection را دیده باشید احتمالا دیده اید که شبکه ها خیلی از اوقات شبکه های دو خروجی دارند. مثل شبکه Fast R-CNN که تصویر آن را در زیر مشاهده می کنید:
اما تا به حال از خود پرسیده اید که این شبکه ای که دو خروجی دارد را چگونه باید پیاده سازی کرد ؟ در این دوره به این گونه سوالات پاسخ می دهیم و میبینیم که چگونه می توانیم یک شبکه دو خروجی طراحی کنیم ؟
قطعه بندی تصویر (Image Segmenation)
یا اگر در حوزه Image Segmentation کار کرده باشید احتمالا با معماری U-Net کار کرده اید. اما این گونه شبکه ها که معماری ساده ای ندارند چگونه می توان پیاده سازی کرد ؟ چگونه باید معماری هایی مثل U-Net و یا ResNet و … را پیاده سازی کرد ؟
در این دوره به این گونه سوالات نیز پاسخ خواهیم داد و معماری های پیشرفته ای را پیاده سازی خواهیم کرد. به صورت خاص معماری شبکه معروف ResNet را پیاده سازی خواهیم کرد.
بازشناسی چهره (Face Recognition)
اگر در حوزه بازشناسی چهره نیز فعالیت کنید احتمالا با Loss Function های مختلفی روبرو شده اید. مواردی چون Triplet Loss یا Contrastive Loss یا Angular Loss . اما از خود پرسیده اید که چگونه می توان این Loss های اختصاصی را پیاده سازی کرد ؟ در این دوره به این سوال نیز پاسخ خواهیم داده و به خصوص Contrastive Loss را پیاده سازی خواهیم کرد.
در شکل بالا نمای کلی از Contrastive Loss را مشاهده می کنید و همچنین Siamese Network ها نیز در این شکل وجود دارند. اما این Siamese Network ها باید چگونه پیاده سازی شوند ؟ این سوال نیز از آن دسته سوالاتی است که به آن پاسخ خواهیم داد.
به دنبال برگزاری دوره ای با کیفیت هستیم.
در آکادمی ربوتک صرفا به دنبال برگزاری یک دوره به هر قیمتی نیستیم. میخواهیم دوره ای که برگزار می شود اثرگذاری لازم را داشته باشد و فرد در پایان دوره پیشرفت خود را احساس کند. به همین دلیل دوره های برگزار شده با وسواس هر چه تمام تر طرحی می شوند. دوره تنسورفلو پیشرفته نیز در همین راستا است و مباحث مطرح شده به شدت کاربردی است. علاوه ب آن تمرینات هفتگی نیز به صورت پیوسته در اختیار شرکت کنندگان قرار میگیرد که به کمک آن بتوانند مفاهیم مطرح شده در کلاس را عمیق تر درک کنند.
گروه پشتیبانی تلگرامی
برای پشتیبانی یک گروه ویژه تلگرامی در نظر گرفته شده است که شما به محض ثبت نام می توانید عضو این گروه شوید.
تمامی سوالات و پیشنیازها و سایر موارد را می توانید در این دوره از مدرس دوره از همان ابتدا بپرسید تا با آمادگی بیشتر در کلاس حاضر شوید.
پس از ثبت نام به لینک گروه دسترسی خواهید داشت.
لینک گروه تلگرامی
سرفصل ها
مفاهیم شی گرایی، وراثت و Decorator ها در پایتون
آشنایی با tf.data و Callback ها در تنسورفلو
شبکه های چند ورودی ، چند خروجی و کار با آنها
نوشتن لایه ها و loss function های اختصاصی و حل یک مثال
معرفی GradientTape ها و Model Subclassing برای نوشتن معماری های شبکه ها
استفاده از tf.data و model subclassing برای آموزش شبکه ها
مباحث تکمیلی دوره (Distributed Training و ... )
مدرس دوره کیست ؟
حامد قاسمی
- فارغ التحصیل ارشد هوش مصنوعی دانشگاه تهران
- مدرس دوره مقاله کاوی و بینایی ماشین و دیپ لرنینگ در آکادمی ربوتک
- تخصص در زمینه شبکه های کانولوشنی و معماری های CNN
سوالات متداول
اگر به هر دلیلی نمی توانید در ساعت مشخص شده در کلاس حاضر شوید هیچ اشکالی ندارد و ویدیو کلاس تا 48 ساعت بعد در گروه پشتیبانی درس آپلود می گردد و میتوانید دوره را به صورت آفلاین دنبال کنید.
پس از ثبت نام شما نیاز به هیچ کار اضافه ای ندارید. آکادمی ربوتک سه روز قبل از شروع دوره ایمیل و یک پیامک برای شما ارسال می کند و نحوه شرکت در کلاس و سایر جزییات در آن ایمیل به صورت کامل بیان می شود و می توانید به سادگی در کلاس شرکت کنید.
البته می توانید به محض ثبت نام عضو گروه تلگرامی شوید و تمام جزییات نحوه شرکت در دوره را را از آنجا دنبال کنید.
اگر به هر دلیلی ایمیلی دریافت نکردید کافی است تا به پشتیبانی آکادمی ربوتک در تلگرام و یا واتساپ پیام دهید و در آنجا راهنمایی ها به صورت کامل انجام خواهد شد.
برای هر کلاس یک گروه تلگرامی ویژه ساخته می شود که در آن استاد دوره به همراه حل تمرین و سایر شرکت کنندگان در آن گروه هستند و شما می توانید سوالات خود را بپرسید و مدرس دوره و یا شرکت کنندگان به سوالات شما پاسخ دهند.
بله – اگر به صورت گروهی ثبت نام کنید، آکادمی ربوتک برای شما تخفیف ویژه ثبت نام گروهی را در نظر می گیرد. برای دریافت تخفیف گروهی خود میتوانید به آیدی پشتیبانی آکادمی ربوتک به آدرس @robotech_support پیام دهید.
پیشنیاز این دوره پایتون و شبکه های CNN می باشد.
بله این دوره دارای مدرک نمره دار می باشد و به زبان انگلیسی صادر خواهد شد. نمره نهایی شما مطابق تمرینات انجام شده توسط شما و پروژه پایانی دوره (در صورت وجود) در نظر گرفته می شود.
در آکادمی ربوتک به دلیل شرایط سخت اقتصادی کشور همواره تلاش کرده ایم که دوره ها را با پایین ترین قیمت ممکن برگزار کنیم که تا حدی نیز موفق بوده ایم. اما متاسفانه امکان پرداخت اقساطی دوره وجود ندارد.
این دوره روز جمعه مورخ 8 مرداد راس ساعت 9 صبح آغاز می گردد و تا 12 صبح دارد. مدت مان دوره 7 هفته می باشد که به صورت متوالی در روزهای جمعه از 9 الی 12 برگزار خواهد شد.
در صورت ثبت نام و پرداخت وجه و در صورت انصراف، تا 7 روز پیش از شروع دوره: تمامی مبلغ،7 روز تا 72 ساعت پیش از شروع دوره: 50 درصد و 72 تا 24 ساعت پیش از شروع دوره: 30 درصد مبلغ پرداخت شده به دانش پژوه عودت داده خواهد شد.
بدیهی است از 24 ساعت به شروع دوره به بعد، امکان بازگشت شهریه وجود نخواهد داشت.
بله – هیچگونه محدودیتی در شرکت کنندگان وجود ندارد و تمامی افراد چه دانشجو و چه غیر دانشجو می توانند در این دوره ها شرکت کنند.
ارتباط مستقیم
دوره های مرتبط
یادگیری تقویتی
مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت استفاده از تخفیف به پایان رسیده است. درباره دوره…
یادگیری ماشین کاربردی
درباره دوره مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت استفاده از تخفیف به پایان رسیده است.…
یادگیری عمیق ویژه بینایی ماشین
مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت استفاده از تخفیف به پایان رسیده است. عملی و…
پایتون ویژه یادگیری ماشین
درباره دوره مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت استفاده از تخفیف به پایان رسیده است.…
chat_bubble_outlineنظرات
800,000 تومان
ثبت نام دوره متوقف شده است
--------
قوانین ثبت دیدگاه