آموزش پیاده سازی شبکه عصبی کانولوشنی CNN با تنسورفلو TensorFlow + گواهینامه | فرادرس
close icon جشنواره سال نو
۳۲ثانیه
:
۰۳دقیقه
:
۲۲ساعت
:
۰۰روز

آموزش پیاده سازی شبکه عصبی کانولوشنی CNN با تنسورفلو TensorFlow + گواهینامه

Poster
volume high icon
پخشplay video icon
۰۰:۰۰
play video icon
volume high icon
/
۱x
quality video icon
pip video iconfullscreen icon

TensorFlow چیست؟

TensorFlow یک کتابخانه متن‌باز و پلتفرم نرم‌افزاری برای یادگیری عمیق و یادگیری ماشین است که توسط گوگل ایجاد شده است. TensorFlow ابتدا در سال ۲۰۱۵ به عنوان یک پروژه تحقیقاتی در گوگل منتشر شد و با سرعت به یکی از محبوب ترین و پرکاربرد‌ترین کتابخانه‌های یادگیری عمیق در جهان تبدیل شد.

شبکه عصبی کانولوشنی یا CNN چیست؟

امروزه مباحث هوش مصنوعی و یادگیری ماشین بیش از پیش با صنعت و زندگی بشر عجین شده است و صرف نظر از هر حوزه و صنعتی، کاربردهای آن در تمامی زمینه‌ها به چشم می‌آید. یکی از زمینه‌های اصلی هوش مصنوعی، شبکه‌های کانولوشنی است که کاربرد اصلی آن پردازش، طبقه‌بندی و تشخیص تصاویر است.

اهمیت یادگیری شبکه عصبی کانولوشنی چیست؟

این حوزه دارای کاربردهای گوناگون در طراحی و ساخت سیستم‌های تشخیص چهره گوشی‌های هوشمند، مدیریت ترافیک شهری، پروژه‌های تشخیص تصاویر اشعه ایکس در پزشکی و... دارد و بر اساس اعلام مراجع کسب‌وکار بین‌المللی، نیاز بسیار وسیع و جدی به متخصصین این حوزه در همه پروژه‌های فناوری اطلاعات در چند سال اخیر است.

از سوی دیگر به دلیل توسعه و گسترش سریع همه حوزه‌های علم و دانش، یادگیری این قسمت از علم فقط مختص رشته‌های کامپیوتر و فناوری اطلاعات نیست و دانستن آن برای هر فرد با هر زمینه دانشی مزیت بزرگی محسوب می‌شود.

در این فرادرس چه چیزی یاد می‌گیریم؟

در این فرادرس به آموزش شبکه‌های عصبی کانولوشنی از مفاهیم اولیه تا پردازش‌های کاربردی متوسط پرداخته می‌‌شود و هدف این است تا با تمرکز بر روی مثال‌های متنوع، بیشتر بر روی مباحث کاربردی تاکید شود.

همچنین مباحث به گونه‌ای ارائه شده است تا برای هر فرد علاقه‌مندی با هر سطح آشنایی با پایتون، قابل استفاده و به کارگیری باشد. پس از اتمام این فرادرس شما دوست عزیز قادر هستید به عنوان یک فرد با دانش متوسط با شبکه‌های عصبی کانولوشنی کار کنید، عکس‌های گوناگون را مورد تحلیل و دسته‌بندی قرار دهید و یاد بگیرید چطور محدودیت‌های این حوزه شامل عکس‌های با اندازه متفاوت را مدیریت کنید. در طول این آموزش سعی شده است قبل از ارائه مثال‌های کاربردی، مفاهیم اولیه تئوری نیز با جزئیات مناسب ارائه شوند تا مخاطب به طور هم‌زمان تسلط مناسبی روی مباحث عملی و تئوری داشته باشد.

همچنین به منظور ترسیم مطالعات آینده برای مخاطبان عزیز، چند نمونه کاربردی به عنوان کاربردهای شبکه‌های عصبی کانولوشنی پیشرفته ارائه شده است که مطالعه آن بسیار جذاب خواهد بود. برای نمونه یکی از کاربردهای بسیار جذاب این حوزه Style Transferring h نام دارد که قادر است تم یک عکس هنری را بر روی یک عکس دلخواه بارگذاری کند و این کار به قدری طبیعی، جذاب و با ظرافت توسط ماشین انجام می‌شود که در نگاه اول این‌طور به نظر می‌آید که این کار توسط یک نقاش زبردست انجام شده است.

مفید برای
  • هوش مصنوعی
  • مهندسی صنایع
  • فناوری اطلاعات (IT)
  • مهندسی کامپیوتر – نرم‌افزار
مشاهده بیشترangle down icon
graduate student icon

۲۴۲دانشجو

محتوای این آموزش
file video icon

۵ ساعت آموزش ویدئویی

exam icon

۱۰۳ سوال سنجش یادگیری

setting icon

فایل برنامه‌ها و پروژه‌ها

pdf file icon

فایل PDF یادداشت‌ها و اسلایدها

question icon

تالار پرسش‌ و ‌پاسخ

medal icon

آزمون و گواهینامه دو زبانه

سرفصل‌ها
۳۵ درس در قالب ۸ فصلبستن همه فصل‌ها
فصل ۱. مقدمه‌ای بر شبکه عصبی کانولوشنی با TensorFlow
angle icon
video icon
ضرورت و اهمیت موضوع۱۰:۱۸
play icon
video icon
بررسی برخی از کاربردها۰۸:۰۹
lock icon
exam icon
آزمون ۱
lock icon
فصل ۲. آشنایی با کتابخانه TensorFlow
angle icon
video icon
مفهوم یادگیری عمیق۱۳:۳۶
play icon
video icon
جایگاه یادگیری عمیق در هوش مصنوعی۰۷:۱۲
lock icon
video icon
مراحل ساخت یک مدل یادگیری عمیق در TensorFlow۰۶:۲۶
lock icon
video icon
نگاه بصری به یک مساله هوش مصنوعی۰۳:۵۲
lock icon
video icon
تئوری رگرسیون۰۶:۱۳
lock icon
video icon
كدنویسی رگرسیون۱۳:۰۵
play icon
video icon
کدنویسی و ساخت مدل رگرسیون۱۳:۳۸
lock icon
video icon
پیاده‌سازی و كدنویسی لجستیک رگرسیون۱۲:۳۰
lock icon
note icon
تمرین ۱ - رگرسیون روی داده دلخواهدرس متنی
lock icon
note icon
تمرین ٢ - لجستیک رگرسیون روی داده دلخواهدرس متنی
lock icon
note icon
تمرین ۳ - تفسیر رگرسیون با توابع خطای دیگردرس متنی
lock icon
note icon
تمرین ۴ - تغییر خطا در لجستیک رگرسیوندرس متنی
lock icon
exam icon
آزمون ۲
lock icon
فصل ۳. شبکه عصبی کانولوشن (Convolution)
angle icon
فصل ۴. بررسی و پیاده‌سازی دیتاست‌های رایج کانولوشن
angle icon
فصل ۵. شبکه‌های مدرن کانولوشنی
angle icon
فصل ۶. راهنمایی ادامه مسیر
angle icon
فصل ۷. تمرین‌ها
angle icon
فصل ۸. آزمون جامع و گواهینامه
angle icon
فایل‌های همراه
angle icon
certificate

گواهی‌نامه دوزبانه پایان دوره

با کسب نمره قبولی، گواهینامه پایان دوره به شما اعطا خواهد شد. این گواهینامه به دو زبان فارسی و انگلیسی صادر می‌شود و امکان اشتراک‌گذاری مستقیم آن در لینکدین نیز فراهم است.

مدرس
حمیدرضا حداد
دکتر حمیدرضا حداد

مشاور سازمان ها و مراجع علمی در زمینه هوش مصنوعی

دکتر حمیدرضا حداد، از سال ۱۳۹۷ به صورت تخصصی در زمینه‌های پردازش زبان طبیعی، پردازش تصویر، تحلیل سری‌های زمانی و سایر زمینه‌های هوش مصنوعی و یادگیری عمیق مشغول به فعالیت بوده و به ارائه مشاوره در چندین شرکت در زمینه تهیه داشبوردهای هوش تجاری و کاربرد هوش مصنوعی در صنعت مشغول هستند. چاپ بیش از ۱۵ مقاله در نشریات معتبر داخلی و خارجی در زمینه‌های مهندسی صنایع و هوش مصنوعی، قسمتی از فعالیت‌های بارز ایشان در این زمینه است. همچنین ایشان سابقه تهیه و ارائه داشبوردهای هوش تجاری برای سازمان‌های گوناگون را در کارنامه حرفه‌ای خود دارند.

warranty icon تضمین کیفیت

کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش به انتخاب شما:

  • badge check icon۱۰۰ ‌درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • badge check icon۷۰ ‌درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
توضیحات بیشترarrow left icon
comment icon نظرات
۳نظرstar border۴.۳۱(میانگین امتیاز کاربران)
user comment icon
هاشم
۱۴۰۳/۰۶/۱۸
با سپاس از جناب حداد. در مجموع دانش چندانی کسب نکردم. انتظار داشتم که یک پروژه واقعی از صفر تا صد در این دوره مورد مطالعه ، بررسی و اجرا قرار بگیره. از گردآوری داده های واقعی ، تبدیل اونها به داده های استاندارد. کلاس بندی و یا تهیه فایل CSV ، آموزش مدل و در نهایت اعتبار سنجی مدل با داده های واقعی. امیدوارم در آینده دوره های کاملتری از مجموعه گرامی فرادرس در حوزه بینایی ماشین و یادگیری عمیق شاهد باشیم.
user comment icon
نازنین
۱۴۰۲/۱۱/۲۹
بسیار عالی بود. بیان مدرس خیلی ساده و روان بود. من پیش زمینه ای نداشتم. کاملا موارد رو یاد گرفتم. تونستم کد بزنم. روند کار رو یاد گرفتم در کل
instructor comment icon
حمیدرضا حدادمدرس
۱۴۰۲/۱۲/۰۸
لطف شماست دوست عزیز. خوشحالم براتون مفید و کاربردی بوده.
برچسب‌ها:معماری شبکه عصبی کانولوشن|شبکه عصبی کانولوشنال|شبکه عصبی کانولوشن|شبکه عصبی کانولوشن در تنسورفلو|شبکه عصبی کانولوشنی در هوش مصنوعی|شبکه عصبی کانولوشنی|مقاله شبکه عصبی کانولوشن|شبکه عصبی کانولوشن چیست|شبکه های عصبی کانولوشن عمیق|تعریف شبکه عصبی کانولوشن
festival icon
۲۲:۰۳:۳۲
تا پــایـــان تخفیــــــــف
%۷۵۸۹۰,۰۰۰
۲۲۲,۵۰۰تومان