مهلت باقی مانده تا پایان ثبت نام
ویژگی های دوره
مهلت باقی مانده تا پایان ثبت نام
مهلت باقی مانده تا پایان ثبت نام
مهلت باقی مانده تا پایان ثبت نام
میخواهم از یادگیری ماشین استفاده کنم !
همین الان وازه machine learning را در گوگل جست و جو کنید. بیش از 1000 منبع وجود دارد. انواع دوره های آموزشی از انواع دانشگاه ها و شرکت ها و …
ولی شاید برای شما هم پیش آماده باشد که در نهایت نمی توانید کاری انجام دهید و پروژه خود را نمی توانید انجام دهید !
یا آنکه اصلا آنقدر مطلب سطح بالاست و ریاضیات زیادی دارد که برای شما قابل فهم نیست !
حتی اگر آن مطلب را بفهمید وقتی می روید و کدها را بررسی میکنید و با یک کد 1000 خطی مواجه می شوید کلا همه چیز را میبوسید و میگذراید کنار !
ما در اینجا صرفا به دنبال برگزار یک دوره نیستیم. ما میخواهیم تفکر یادگیری ماشین در ذهن شما شکل بگیرد. که اگر روزی یک پروژه یادگیری ماشین داشتید بفهمید چگونه با آن برخورد کنید. ذهن شما باید ساختار یافته باشه. باید مثل یک مهندس بتوانید مساله خود را ابتدا تحلیل کنید و سپس حل کنید.
درباره دوره
دوره یادگیری ماشین یک دوره عملی و کاربردی است. البته این به این معنا نیست که کل دوره در حال کدنویسی باشیم ! در این دوره ابتدا مفاهیم و الگوریتم ها با زبانی ساده برای شما شرح داده می شوند و سپس نحوه کدنویسی و استفاده از این الگوریتم به کمک کتابخانه های پایتون آموزش داده می شود.
احتمالا تجربه بسیاری از ما در دانشگاه این است که استاد درس به صورت ریاضیاتی همه الگوریتم ها را توضیح می دهد ولی در نهایت با تمرینات برنامه نویسی متعددی روبرو می شویم و این انتظار از ما وجود دارد که تمارین برنامه نویسی را به صورت کامل و دقیق انجام دهیم.
در حالی که این تجربه جذاب نیست. در کنار تئوری ها لازم است مفاهیم عملی و کدنویسی آموزش داده شوند تا ما نتایج عینی کار خود را مشاهده کنیم و البته کمی جدی تر به مسایل دنیای یادگیری ماشین ورود کنیم .
از مزیت های مهم این دوره این است که مدرس دوره به صورت live برای شما کدنویسی می کند و شما گام به گام و مرحله به مرحله با کدنویسی و نحوه استفاده از کتابخانه پایتون ، نحوه خواندن داده ها ، پیش پردازش ، الگوریتم و … به صورت کامل آشنا می شود.
ما در این دوره برای شما کدها را روخوانی نمیکنیم ! روخوانی کردن کد باعث نمی شود ما توانایی کدنویسی داشته باشیم. در عوض مدرس دوره از صفر شروع می کند و کدنویسی را انجام می دهد. در هر مرحله شما می توانید سوالات خود را بپرسید و کد را به صورت کامل درک کنید.
اگر بخواهیم در یک جمله همه موضوعات بالا را بیان کنیم میتوانیم چنین بگوییم:
یک دوره صرفا تئوری به کار کسی نمی آید، ما باید بتوانیم با دیتاست ها کار کنیم و از الگوریتم ها استفاده کنیم. این کار ممکن نیست مگر این که گام به گام مدرس دوره همین کار را انجام دهد تا شرکت کنندگان گام به گام بهتر و بهتر شوند و آنها نیز بتوانند به خوبی در یادگیری ماشین قوی شوند.
نقشه راه آکادمی ربوتک برای یادگیری ماشین
همانطور که می دانید ما در آکادمی ربوتک یک نقشه راه بلند مدت برای حرفه ای شدن در زمینه ای یادگیری ماشین و یادگیری عمیق تدوین کرده ایم. در شکل زیر این نقشه راه آورده شده است :
همانطور که در تصویر بالا مشاهده می کنید دوره یادگیری ماشین گام دوم و یک گامل کلیدی از مسیر حرکت شما در دنیای یادگیری عمیق است. در این دوره شما با مفاهیم بنیادین یادگیری ماشین آشنا می شود و نحوه استفاده از روش های کلاسیک را نیز آموزش می بینید.
علاوه بر آن در سه هفته پایانی دوره مباحث وارد بحث های جدید تر مثل شبکه های عصبی آشنا می شوید و از آنها به صورت عملی و کاربردی استفاده خواهید کرد.
پیش نیاز اصلی این دوره تنها پایتون می باشد و شما نیازی به مباحث جبرخطی و آمار و احتمال ندارید و استاد دوره هر کجا که لازم باشد این مباحث را به صورت کامل بیان می کند. اما سوال مهم آن است که دقیقا چقدر باید پایتون بلد باشیم. در ویدیو زیر حامد قاسمی مدرس این دوره به این سوال مهم پاسخ می دهد:
پروژه های میانی دوره
ما اینجا نیستیم که صرفا یک سری مطالب مرتبط با دیپ لرنینگ بخوانیم ! ما می خواهیم در پایان این دوره بتوانیم کاری انجام دهیم و یاد بگیریم چگونه می توانیم پروژه ها را انجام دهیم.
به همین خاطر دو پروژه میانی در طول دوره تعریف شده است که به آن می پردازیم :
پروژه میانی شماره 1 : پیشبینی تعداد بیماران کرونایی
در این پروژه دانشجویان یاد میگیرند که چگونه به کمک رگرسیون های چند جمله ای می توان پیشبینی کرد که تعداد بیماران کرونا در دنیا به چه شکل می باشد و این پیشبینی هایی که در زمینه کرونا انجام می شود از کجا می آید ؟
پروژه میانی شماره 2 : شکستن کد کپچا
در پروژه 1 شرکت کنندگان از OpenCV و Tensorflow و با استفاده از یک شبکه عصبی چند لایه پرسپترونی می توانند کدهای کپچای ساده را بشکنند. نمونه ای از تصویری که در کلاس تمرین بر روی آن انجام خواهد پذیرفت به شکل زیر است :
پروژه پایانی دوره : حل جدول سودوکو با شبکه عصبی
پروژه پایانی دوره که باید دانشجویان انجام دهند و این کار را به کمک استاد دوره و حل تمرین دوره انجام خواهند داد، پروژه حل خودکار یک جدول سودکو می باشد که در آن یک تصویر از جدول سودوکو گرفته می شود و باید نسخه کامل شده آن جدول در خروجی نمایش داده شود.
با مطالبی که در طول دوره گفته می شود این پروژه به صورت کامل قابل انجام می باشد و هیچ نکته مبهمی برای دانشجویان وجود نخواهد داشت.
مدرس دوره
حامد قاسمی
- کارشناسی ارشد هوش مصنوعی دانشگاه تهران
- مدرس دوره مقاله کاوی و بینایی ماشین و دیپ لرنینگ در آکادمی ربوتک
- تخصص در زمینه بینایی ماشین و یادگیری عمیق
پشتیبانی ؟
برای پشتیبانی یک گروه ویژه تلگرامی در نظر گرفته شده است که شما به محض ثبت نام می توانید عضو این گروه شوید.
پیشنهاد میکنیم اگر قصد شرکت در دوره را دارید زودتر ثبت نام کنید چون تعدادی لینک جهت آمادگی بیشتر برای شروع دوره در گروه قرار داده شده است که اگر مطالعه کنید آمادگی شما برای دوره بیشتر می شود :
پس از ثبت نام به لینک گروه دسترسی خواهید داشت.
لینک گروه تلگرامی
سرفصل ها
یادگیری ماشین و مفاهیم پایه در آن
مقدمه ، هوش مصنوعی چیست ؟
هوش مصنوعی و کاربردهای آن ، انواع شاخه ها در هوش مصنوعی
انواع یادگیری در یادگیری ماشین
معرفی Supervised Learning و Unsupervised Learning و ....
دیتاست ها، کار با آنها و مساله رگرسیون
دیتاست ها و کتابخانه ها
آشنایی با دتیاست های معروف دنیا، معرفی کتابخانه sklearn و Tensorflow
کار با دیتاست ها
نحوه خواندن دیتاست ها، تبدیل ویزگی ها و کار با Missing Value ها
ادامه رگرسیون و Overfitting
آشنایی با Gradient Descent
الگوریتم GD و آشنایی با بهینه های محلی و سراسری
overfitting و Underfitting
بیش برازش یا Overfitting چیست و چگونه با Regularization مانع آن شویم.
طبقه بندها یا Classification
آشنایی با Logistic Regression
معرفی Logistic Regression و جزییات مربوط به آن
SVM
آشنایی با دسته بند SVM و نحوه محاسبه آن برای پیدا کردن جواب بهینه
روش های Unsupervised Learning
K-Means
معرفی کامل روش K-Means و نحوه استفاده از آن
PCA و Density-Based Clustring
روش های کاهش بعد مبتنی بر چگالی و معرفی PCA
شبکه های عصبی چند لایه
شبکه MLP و الگوریتم Back Propagation ویدئو
پرسپترون، توابع فعال سازی و الگوریتم بهینه سازی در شبکه های عصبی
توابع Softmax و آشنایی با Cross Entropy ویدئو
تابع فعال سازی SoftMax و توابع loss function
شبکه های عصبی چند لایه و حل مثال
تکمیل مباحث MLP ویدئو
ادامه بحث های مربوط به شبکه های عصبی چند لایه
حل مثال تشخیص خنده بخش اول ویدئو
تشخیص خندیدن و یا نخندیدن افراد با شبکه های MLP
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 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 7 مرداد راس ساعت 9 صبح آغاز می گردد و تا 12 صبح ادامه دارد. مدت مان دوره 7 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 تنسورفلو پیشرفته
این یک برگه شگفت انگیز روز ساعت دقیقه ثانیه این دوره تنها یک بار در سال برگزار می شود. دوره…
دوره بازشناسی چهره (face recognition)
میخواهیم حرفه ای شویم. از کجا باید شروع کنیم ؟ چگونه مقالات را در Deep Learning بررسی کنیم ؟ از…
یادگیری عمیق ویژه بینایی ماشین
مهلت باقی مانده تا پایان ثبت نام روز ساعت دقیقه ثانیه عملی و کاربردی همین الان وازه Deep Learning و…
پایتون ویژه یادگیری ماشین
مهلت باقی مانده تا پایان ثبت نام روز ساعت دقیقه ثانیه هر چه تلاش میکنم برنامه نویسی یاد نمیگیرم !…
chat_bubble_outlineنظرات
800,000 تومان
قوانین ثبت دیدگاه