مهلت باقی مانده تا پایان ثبت نام
معرفی دوره ترم دوم
در دوره یادگیری عمیق ترم دوم به مباحث شبکه های بازگشتی میپردازیم. در ترم اول شبکه های CNN و عمدتا مباحث مرتبط با تصاویر مطرح شد و حال در این دوره شبکه های بازگشتی مطرح خواهند شد و مثال هایی که گفته می شوند از جنس متن و داده های sequence ای است.
سرفصل های کلی این دوره به صورت زیر خواهد بود:
- آشنایی با شبکه ها بازگشتی
- سلول های LSTM و GRU
- مدل های Seq2Seq
- مکانیزم Attention
- درک دقیقی از Transformer ها
- مدل زبانی BERT
البته احتمال دارد بسته به وقت و زمان کلاس مباحث تکمیلی چون Vision Transformer یا مدل های جدیدتر زبانی نیز به بحث اضافه گردد.
نکته مهم این است که بخش مهمی از کلاس به کدنویسی و حل مثال های متنوع مثل ترجمه ماشینی و … خواهد پرداخت و صرفا مباحث تیوری مطرح نمی گردند.
زمان بندی کلاس :
شروع این کلاس ۱۰ شهریور خواهد بود و هر هفته پنجشنبه ها از ساعت ۱۰ صبح الی ۱۳ صبح می باشد که در میانه آن یک استراحت ۲۰ دقیقه ای وجود دارد.
تعداد هفته ها ۷ هفته خواهد بود و به عبارتی هر هفته پنجشنبه از ۱۰ الی ۱۳ به مدت ۷ هفته کلاس برگزار خواهد شد.
معمولا پس از هفته چهارم مدرس دوره یک هفته استراحت در نظر میگیرند که این به جهت افزایش بازدهی کلاس و رسیدن شرکت کنندگانی که نتوانسته اند دوره را خوب دنبال کنند.
بستر کلاس در skyroom است و یک هفته قبل از کلاس اطلاعیه مربوط به گروه VIP کلاس و نحوه شرکت در کلاس به شرکت کنندگان ارسال میگردد (هنگام ثبت نام به ایمیل خود دقت فرمایید. )
سرفصل های دوره
مقدمه ای بر شبکه های بازگشتی
بخش اول : کاربرد شبکه های عصبی بازگشتی ویدئو
مقدمه و معرفی دوره و مروری بر کاربرهای شبکه های عصبی بازگشتی
بخش دوم : نحوه عملکرد شبکه های بازگشتی ویدئو
RNN ها به صورت مفهومی و شهودی چگونه کار میکنند ؟
بخش سوم : محاسبه Loss در شبکه های بازگشتی ویدئو
محاسبه خروجی در RNN ها و بررسی تابع Loss به همراه یک مثال
بخش چهارم : آپدیت وزن ها در RNN ها ویدئو
نحوه آپدیت وزن ها و آشنایی با BPTT و Truncated BPTT
بخش پنجم : RNN ها در سایرکاربردها ویدئو
چگونه از RNN ها در سایر کاربردها میتوانیم استفاده کنیم ؟
بخش ششم : مثال آموزشی از RNN ویدئو
یک مثال ساده از نحوه کار با لایه SimpleRNN در keras
بخش هفتم : مثال طبقه بندی نظرات فیلم ویدئو
حل مثال طبقه بندی نظرات فیلم با دیتاست Imdb و کتابخانه keras
مراجع و اسلایدها
اسلایدهای جلسه اول و کتاب مرجع معرفی شده در کلاس
تمارین تمرین
تمارین جلسه اول
سلول های LSTM و GRU
بخش اول : محو شدگی گرادیان ویدئو
مروری بر جلسه قبل و توضیح ریاضیاتی از پدیده vanishing gradient
بخش دوم : ادامه محو شدگی گرادیان و بررسی انفجار گرادیان ها ویدئو
محو شدگی گرادیان چه مشکلی ایجاد می کند. توضیح exploding gradient
بخش سوم : قسمت اول از LSTM ویدئو
معرفی سلول LSTM و آشنایی با گیت فراموشی در آن
بخش چهارم: قسمت دوم از LSTM ویدئو
نحوه اضافه کردن داده به cell state و معرفی گیت ورودی
بخش پنجم : قسمت سوم از LSTM ویدئو
تولید خروجی در LSTM و معرفی گیت خروجی
بخش ششم : معرفی لایه های LSTM و GRU در keras ویدئو
معرفی و آشنایی با لایه های LSTM و GRU در keras و نحوه استفاده از آنها
بخش هفتم : قسمت اول از مثال sentiment analysis ویدئو
چگونه از یک فضای متنی خام به بردارهای embedding برسیم ؟
بخش هشتم : قسمت دوم از مثال sentiment analysis ویدئو
توضیح کامل کد و بررسی نتایج خروجی به ازای لایه های مختلف
تمارین تمرین
تمارین هفته دوم
کدهای جلسه دوم
کد مثال بررسی شده در کلاس
اسلایدها
اسلایدهای جلسه دوم
جلسه حل مثال (سری زمانی)
بخش اول : معرفی سری زمانی ویدئو
آشنایی با سری زمانی و انواع مسایل مورد بررسی در آن
بخش دوم : قسمت اول مثال پیشبینی دما ویدئو
قسمت اول از مثال پیشبینی دما - بررسی دیتاست هواشناسی
بخش سوم : قسمت دوم مثال پیشبینی دما ویدئو
تابع keras برای کار با سری های زمانی و بررسی پارامترهای آن
بخش چهارم : قسمت سوم مثال پیشبینی دما ویدئو
بررسی خط به خط کد و آموزش و مشاهده خروجی
بخش پنجم : بخش اول تکنیک های پیشرفته تر ویدئو
نحوه استفاده از drop out در شبکه های بازگشتی و پارامترهای آن در keras
بخش ششم : بخش دوم تکنیک های پیشرفته تر ویدئو
استفاده از شبکه های بازگشتی چند لایه و Bidirectional
اسلایدها
اسلایدهای هفته سوم
کد و دیتاست
کد سری زمانی بررسی شده در کلاس
تمارین تمرین
تمارین هفته سوم
طبقه بندی ویدیو
بخش اول :مروری بر video classification ویدئو
توضیح طبقه بندی ویدیو و انواع روش های آن
بخش دوم : پیاده سازی کد - قسمت اول ویدئو
نحوه خواندن داده ها و تابع استخراج فریم ها از ویدیو
بخش سوم : پیاده سازی کد - قسمت دوم ویدئو
پیاده سازی شبکه ترکیبی CNN-LSTM و آموزش آن
اسلاید
اسلایدهای جلسه سوم
کد
کدهای جلسه سوم
مکانیزم Attention در شبکه های بازگشتی
تاریخ برگزاری : ۳۱ شهریور ۱۴۰۱ ویدئو
شروع بحث Transformer ها
تاریخ برگزاری : 14 مهر ۱۴۰۱ ویدئو
تکمیل بحث Transformers
تاریخ برگزاری : ۲۱ مهر ۱۴۰۱ ویدئو
مدل زبانی BERT
تاریخ برگزاری : 28 مهر ۱۴۰۱ ویدئو
نظرات شرکت کنندگان
مدرس دوره کیست ؟
حامد قاسمی
- دانشجوی دکتری هوش مصنوعی دانشگاه تهران
- پژوهشگر آزمایشگاه تعامل انسان و ربات دانشگاه تهران
- نایب قهرمان مسابقات رباتیک ایران اپن سال ۹۳
- نایب قهرمان مسابقات رباتیک داشنگاه امیرکبیر و جشنواره خوارزمی سال ۹۱
سوالات متداول
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 ، دوره یادگیری عمیق ترم اول و اگر با مباحث آن آشنا نیستید میتوانید از این لینک میتوانید آن را تهیه کنید.
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.
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
دوره یادگیری عمیق – ترم اول
مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت استفاده از تخفیف به پایان رسیده است. درباره دوره…
یادگیری تقویتی
مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت ثبت نام در دوره به اتمام رسیده است. درباره…
دوره تنسورفلو پیشرفته
مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت استفاده از تخفیف به پایان رسیده است. قدرت پیاده…
یادگیری عمیق ویژه بینایی ماشین
امکان خرید این دوره دیگر وجود ندارد و به جای تهیه آن میتوانید دوره یادگیری عمیق (ترم اول) را از…
نظرات
1,200,000 تومان
ثبت نام دوره متوقف شده است
--------------------------------
قوانین ثبت دیدگاه