میخواهیم حرفه ای شویم. از کجا باید شروع کنیم ؟
چگونه مقالات را در Deep Learning بررسی کنیم ؟
از کجا باید مقالات مهم حوزه خود را پیدا کنیم ؟
چگونه loss function های اختصاصی خودمان را پیاده سازی کنیم ؟ چگونه معماری های مختلف CNN را پیاده سازی کنیم ؟
در این دوره 6 مقاله کلیدی در حوزه face recognition بررسی خواهد شد و مفاهیم مهم و کلیدی مثل توابع loss و یا معماری ها در پایتون و بر روی یک دیتاست ساده تر مثل MNIST پیاده سازی خواهند شد. زیرا امکان پیاده سازی بر روی خود دیتاست های معروف face recognition به دلیل حجم زیاد داده فراهم نیست.
این دوره به کار من می آید ؟
همانطور که احتمالا حدس می زنید این دوره کمی پیشرفته است و شما لازم است که قبلا بر دیپ لرنینگ و به خصوص شبکه های CNN تسلط لازم را پیدا کرده باشید. پس از این جهت در صورتی که آشنا نیستید ابتدا می بایست از بر آن مفاهیم تسلط لازم را پیدا کنید و سپس وارد دوره شوید. در زیر نقشه راه آکادمی ربوتک را مشاهده می کنید.
مقالاتی که بررسی می شوند
این دوره شامل 6 هفته می باشد که هر هفته از ساعت 9 الی 12 است که از دو جلسه تشکیل شده است. جلسه اول 9 الی 10:15 ، جلسه دوم 10:30 الی 12 می باشد.
در هر هفته نیز یک مقاله مهم به صورت دقیق تحلیل و ارزیابی می شود.
FaceNet: A Unified Embedding for Face Recognition and Clustering
A Discriminative Feature Learning Approach for Deep Face Recognition
SphereFace: Deep Hypersphere Embedding for Face Recognition
Additive Margin Softmax for Face Verification
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
مدرس دوره کیست ؟
حامد قاسمی
- فارغ التحصیل ارشد هوش مصنوعی
- 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.
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 ربوتک همواره سعی کرده ایم تا ظرفیت کلاس ها را پایین نگه داریم تا شرکت کننده بتواند با استاد دوره وارد تعامل شود و سوالات خود را با خیال راحت بپرسد. به همین علت ظرفیت شرکت در کلاس ها برای دوره های حضوری 12 نفر و برای دوره های آنلاین 15 نفر در نظر گرفته شده است.
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 پنجشنبه مورخ 9 اردیبهشت راس ساعت 9 صبح آغاز می گردد و تا 12 صبح دارد. مدت مان دوره 6 هفته می باشد که به صورت متوالی در روزهای پنجشنبه 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
دوره پایتون عمیق
تعداد ساعت سطح مدرس ۲۶ ساعت و ۴۸ دقیقه متوسط و پیشرفته حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین…
در قلب Transformers (ترم سوم یادگیری عمیق)
تعداد ساعت سطح مدرس ۳۲ ساعت و ۱۰ دقیقه متوسط و پیشرفته حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین…
دوره شبکه های بازگشتی و Transformers (ترم دوم یادگیری عمیق)
تعداد ساعت سطح مدرس ۲۲ساعت و ۵۵ دقیقه متوسط و پیشرفته حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین گواهینامه…
ریاضیات ویژه هوش مصنوعی
تعداد ساعت سطح مدرس بیش از ۱۷ ساعت مقدماتی حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین گواهینامه پشتیبانی دارد…
یادگیری تقویتی
نکته مهم در مورد دوره های ربوتک دوره های آکادمی ربوتک بر بستر نرم افزار spot player هستند و شما…
یادگیری ماشین کاربردی
تعداد ساعت سطح مدرس ۱۷ ساعت و ۲۹ دقیقه مقدماتی حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین گواهینامه پشتیبانی…
