• دوره های آموزشی
    • پایتون ویژه یادگیری ماشین
    • یادگیری ماشین کاربردی
    • یادگیری عمیق ویژه بینایی ماشین
    • دوره face recognition
  • وبینارهای آموزشی
    • جبرخطی ویژه یادگیری ماشین
    • آمار و احتمال برای یادگیری ماشین
    • نقشه راه یادگیری ماشین
    • سخت افزارها در یادگیری عمیق
  • اساتید
  • درباره ما
  • تماس با ما
 
  • دوره های آموزشی
    • پایتون ویژه یادگیری ماشین
    • یادگیری ماشین کاربردی
    • یادگیری عمیق ویژه بینایی ماشین
    • دوره face recognition
  • وبینارهای آموزشی
    • جبرخطی ویژه یادگیری ماشین
    • آمار و احتمال برای یادگیری ماشین
    • نقشه راه یادگیری ماشین
    • سخت افزارها در یادگیری عمیق
  • اساتید
  • درباره ما
  • تماس با ما
0

ورود و ثبت نام

دوره تنسورفلو پیشرفته

خانهدوره های آموزشیدوره تنسورفلو پیشرفته
حالت مطالعه

مهلت باقی مانده تا پایان ثبت نام

روز
ساعت
دقیقه
ثانیه
مهلت استفاده از تخفیف به پایان رسیده است.

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 ؟ 

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. 

نظرات شرکت کنندگان

ویدیوهای دوره به چه صورت است ؟

این دوره قبلا یک بار برگزار شده است و ویدیوهای همان دوره به صورت تدوین شده (با کیفیت بالا) در اختیار شرکت کنندگان قرار می گیرد. سعی شده است در تدوین حداکثر طول ویدیوها ۲۰ تا ۳۰ دقیقه باشد تا خستگی کمتری ایجاد شود. پیشنهاد می شود هر سرفصل را برای یک هفته در نظر بگیرید و مجموعا دوره را در ۷ هفته به اتمام برسانید. 

نمونه دموی دوره در زیر آورده شده است :‌

زمان آپلود و دسترسی به ویدیوها

ویدیوهای دوره به صورت هفته به هفته آپلود میگردد.  زمان بندی به این صورت است که هفته اول روز سه شنبه ۳۰ فروردین آپلود می گردد و هفته به هفته سه شنبه ها یک جلسه کامل آپلود میگردد.

برنامه ریزی روزانه و هفتگی !

در این سری از دوره فایل های برنامه ریزی هفتگی و روزانه در نظر گرفته ایم که دانشجو طبق برنامه ریزی هفته و روزانه پیش رود و هر روز بخشی از برنامه را مشاهده کند. البته این برنامه اختیاری است و اگر زمان بیشتر یا کمتری نیاز دارید میتوانید طبق برنامه خودتان پیش روید ولی برنامه پیشنهادی آکادمی ربوتک به صورت هفتگی است که میتوانید آنها را هر هفته دانلود کنید و طبق برنامه جلو روید. 

در زیر بخشی از برنامه روز دوشنبه از هفته سوم دوره قرار داده شده است : 

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

گروه پشتیبانی تلگرامی

لینک گروه تلگرامی

پس از ثبت نام به لینک گروه دسترسی خواهید داشت.

لینک گروه تلگرامی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

سرفصل ها

هفته اول دوره

مفاهیم شی گرایی، وراثت و پیاده سازی یک شبکه دیپ با OOP

بخش ۱ :‌معرفی دوره ویدئو

معرفی دوره و چند نکته برای استفاده بهتر از دوره

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ۲ :‌مفهوم شی گرایی ویدئو

ایده و شهود شی گرایی و مثالی برای درک بهتر

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ۳ :‌ پیاده سازی در پایتون ویدئو

پیاده سازی یک کلاس ساده در پایتون

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ۴‌: انواع متدها در شی گرایی ویدئو

Regular Method و Class Method و Static Method در شی گرایی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ۵ : ارث بری ویدئو

مفهوم ارث بری در شی گرایی و یک مثال پایتون

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ۶‌: یک شبکه Deep در پایتون ویدئو

نوشتن کامل یک شبکه Deep به کمک شی گرایی و train آن

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

اسلایدها فایل های ضمیمه

اسلایدهای هفته اول

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تمارین تمرین

تمارین هفته اول

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

برنامه هفتگی فایل های ضمیمه

برنامه ریزی هفته اول

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
هفته دوم دوره

شبکه های چند ورودی و چند خروجی

بخش اول : آشنایی و حل مثال از Functional API ویدئو

ایده Functional API برای نوشتن شبکه های عصبی و حل یک مثال

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش دوم : شبکه چند خروجی - بخش اول ویدئو

شبکه های چند خروجی چه تفاوتی با شبکه های عادی دارند ؟ بخش اول

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش سوم : شبکه چند خروجی - بخش دوم ویدئو

شبکه های چند خروجی چه تفاوتی با شبکه های عادی دارند ؟ بخش دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش چهارم : حل مثال یک شبکه دو خروجی ویدئو

حل مثال تعیین رنگ و نوع لباس در یک شبکه دو خروجی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش پنجم :‌ شبکه چند ورودی ویدئو

تفاوت یک شبکه چند ورودی با یک شبکه عادی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ششم : حل مثال شبکه چند ورودی ویدئو

نمونه مثال از شبکه چند ورودی - پیشبینی قیمت خانه با ۴ تصویر

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

اسلاید فایل های ضمیمه

اسلایدهای هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تمرین تمرین

تمارین هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

دیتاست ها فایل های ضمیمه

دیتاست های مورد استفاده در هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

برنامه هفتگی فایل های ضمیمه

برنامه ریزی هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
هفته سوم دوره

نوشتن Loss Function های اختصاصی و شبکه Siamese

بخش اول : پیاده سازی تابع Loss اختصاصی (مثال MSE ) ویدئو

تابع Loss اختصاصی و نوشتن تابع لاس MSE

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش دوم :پیاده سازی تابع Loss اختصاصی (مثال تابع Huber Loss) ویدئو

آشنایی با تابع Huber Loss و پیاده سازی آن از صفر در تنسورفلو

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش سوم : پیاده سازی تابع Loss اختصاصی (روش های دیگر) ویدئو

روش های بیشتر برای نوشتن تابع Loss اختصاصی در تنسورفلو

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش چهارم :‌ پیاده سازی یک لایه ساده در Tensorflow ویدئو

چطور در تنسورفلو یک لایه ساده بنویسیم ؟

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش پنجم : آموزش شبکه Siamese - بخش اول ویدئو

شبکه Siamese و بررسی ایده و مفاهیم مهم آن

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ششم :‌ آموزش شبکه Siamese - بخش دوم ویدئو

مزایای استفاده از شبکه Siamese و پیشنیازهای لازم برای کدنویسی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

اسلاید فایل های ضمیمه

اسلایدهای هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تمرین تمرین

تمارین هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

برنامه هفتگی فایل های ضمیمه

برنامه ریزی هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
هفته چهارم دوره

ادامه شبکه Siamese و پیاده سازی کامل آن

بخش اول : ساخت جفت های مثبت و منفی ویدئو

قسمت اول از پیاده سازی شبکه Siamese با ساخت pair های مثبت و منفی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش دوم : پیاده سازی تابع Contrastive Loss ویدئو

بخش دوم پیاده سازی شبکه Siamese - پیاده سازی تابع Contrastive Loss

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش سوم : آموزش کل شبکه ویدئو

پیاده سازی معماری ها و Train کل شبکه Siamese

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش چهارم : لایه نویسی ویدئو

مقدمه ای بر لایه نویسی در Keras , Tensorflow

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

اسلاید فایل های ضمیمه

اسلایدهای هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تمرین تمرین

تمارین هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

برنامه هفتگی فایل های ضمیمه

برنامه ریزی هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

دیتاست فایل های ضمیمه

دیتاست تمرین هفته چهارم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

نمونه کد فایل های ضمیمه

نمونه کد شبکه Siamese

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
هفته پنجم دوره

نوشتن انواع لایه ها در Tensorflow و Graph Mode و Eager Mode

بخش اول : لایه نویسی با Tensorflow و Keras ویدئو

پیاده سازی یک لایه Dense از ابتدا به کمک Tensorflow و Keras

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش دوم : مثالی دیگر از لایه نویسی ویدئو

حل مثال رگرسیون با استفاده از لایه نوشته شده

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش سوم : مباحث پیشنیازی Mode ها ویدئو

آشنایی با برخی عملیات های پایه ای در Tensorflow و Keras

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش چهارم : مدهای اجرایی در Tensorflow و Keras ویدئو

آشنایی با eager Mode و Graph Mode در تنسورفلو و کراس

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش پنجم : Automatic Differentiation ویدئو

کامپیوترها چگونه مشتق گیری را انجام می دهند ؟

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ششم : شروع بحث tf.GradientTape ویدئو

نوشتن Custom Training Loop و معرفی tf.GradientTape

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

اسلاید فایل های ضمیمه

اسلایدهای هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تمرین تمرین

تمارین هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

برنامه هفتگی فایل های ضمیمه

برنامه ریزی هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کدهای هفته پنجم فایل های ضمیمه

کدهای استفاده شده در کلاس برای هفته پنجم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
هفته ششم دوره

معرفی tf.GradientTape و پیاده سازی کامل یک مثال با آن

بخش اول : حل مثال رگرسیون با tf.GradientTape - بخش اول ویدئو

حل یک مثال کامل به کمک tf.GradientTape - آماده سازی داده ها

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش دوم : حل مثال رگرسیون با tf.GradientTape ویدئو

حل یک مثال کامل به کمک tf.GradientTape - نوشتن تابع train

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش سوم : ادامه حل مثال رگرسیون ویدئو

حل یک مثال کامل به کمک tf.GradientTape - مشاهده نتایج خروجی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش چهارم :جمع بندی ویدئو

جمع بندی و توضیح یک سری نکات تکمیلی درباره tf.GradientTape

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش پنجم :‌مثال شبکه عصبی با tf.GradientTape ویدئو

حل مثالی دیگر از tf.GradientTape - مثال شبکه عصبی

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ششم:‌ادامه مثال شبکه عصبی با tf.GradientTape ویدئو

مشاهده نتایج خروجی و فرآیند آموزش شبکه و ارزیابی آن

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

اسلاید فایل های ضمیمه

اسلایدهای هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تمرین تمرین

تمارین هفته دوم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

برنامه هفتگی فایل های ضمیمه

برنامه ریزی هفته ششم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
هفته هفتم دوره

بررسی انواع Callback ها در تنسورفلو

بخش اول : تکمیل کد مربوط به tf.GradientTape ویدئو

اضافه کردن Loss و Metric به کد پیاده سازی با tf.GradientTape

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش دوم : نوشتن شبکه عصبی با Model subclassing ویدئو

چگونه به کمک Model subclassing در تنسورفلو شبکه را پیاده کنیم ؟

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش سوم :Callback ها - بخش اول ویدئو

معرفی Callbacks و کار با EarlyStopping در تنسورفلو

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش چهارم :Callback ها - بخش دوم ویدئو

کار با کالبک CSVLogger در تنسورفلو

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش پنجم : Callback ها - بخش دوم ویدئو

ار با کالبک های ReduceOnPlateau و Tensorboard در تنسورفلو

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بخش ششم : مباحث تکمیلی Callback ها ویدئو

تکمیل مباحث Callback و معرفی تمرین سری ۷

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

اسلاید فایل های ضمیمه

اسلایدهای هفته هفتم

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

سوالات متداول

پشتیبانی کلاس ها به چه شکلی است ؟

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.

ثبت نام گروهی تخفیف دارد ؟

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. 

این دوره پیشنیاز دارد ؟

پیشنیاز این دوره پایتون و شبکه های CNN می باشد. 

آیا در پایان دوره مدرک داده می شود ؟

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. 

امکان پرداخت اقساطی وجود دارد ؟

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. 

شرایط انصراف از دوره به چه شکل می باشد ؟

برای دوره های آفلاین از آنجا که شما به محتوا دسترسی دارید امکان انصراف از دوره پس از ثبت نام وجود ندارد. 

ارتباط مستقیم

شبکه های اجتماعی

Youtube Telegram Instagram M-icon-aparat Whatsapp
برچسب: آموزش tensorflow آموزش تنسورفلو پیشرفته تنسورفلو تنسورفلو پیشرفته

دوره های مرتبط

دوره یادگیری عمیق – ترم اول

مهلت باقی مانده تا پایان ثبت نام روز ساعت دقیقه ثانیه مهلت ثبت نام در دوره به اتمام رسیده است.…

یادگیری تقویتی

مهلت باقی مانده تا پایان ثبت نام روز ساعت دقیقه ثانیه مهلت ثبت نام در دوره به اتمام رسیده است.…

دوره بازشناسی چهره (face recognition)

میخواهیم حرفه ای شویم. از کجا باید شروع کنیم ؟  چگونه مقالات را در Deep Learning بررسی کنیم ؟ از…

یادگیری ماشین کاربردی

مهلت باقی مانده تا پایان ثبت نام روز ساعت دقیقه ثانیه مهلت ثبت نام در دوره به اتمام رسیده است.…

نظرات

قوانین ثبت دیدگاه

  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.

لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قیمت :

900,000 تومان

ثبت نام دوره متوقف شده است

--------
امتیاز
0 از 0 رأی
بدون امتیاز 0 رای
900,000 تومان
نوع دوره: آفلاین
پیش نیاز: پایتون و شبکه های CNN
زبان: فارسی
18 ساعت (7 هفته)
روش دریافت: به محض ثبت نام فایل ها را می توانید دانلود کنید.
روش پشتیبانی: گروه تلگرامی
مدرک نمره دار به زبان انگلیسی از طرف آکادمی ربوتک
5.15k بازدید 0 دیدگاه
حامد قاسمی
حامد قاسمی
دانشجوی دکتری هوش مصنوعی دانشگاه تهران

دسته: دوره های آموزشی

ثبت نام دوره متوقف شده است

شبکه های اجتماعی:

  • صفحه اصلی
  • حساب کاربری
  • سبد خرید
  • پرداخت
درباره آکادمی ربوتک

آکادمی ربوتک با هدف ایجاد یک نگرش و ساز و کار نوین در زمینه های هوش مصنوعی و رباتیک به طور رسمی سال 1395 آغاز به کار کرد و رسالت کاری خود را آموزش درست و هدفمند مربوط به مباحث هوش مصنوعی و رباتیک در فضایی آکنده از ربات ها و پژوهش های آن بنا نهاد.

 

تمامی حقوق این وبسایت متعلق به آکادمی ربوتک می باشد.

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت