English

آموزش مقدماتی يادگيری عميق و شبكه های عصبی كانولوشنی: انجام يك پروژه كاربردی

این کارگاه در تاریخ های 96/08/30 و 96/09/01 به مدت 8 ساعت برگزار شد.

مدرس کارگاه دکتر محمد حسین ندیمی و مهندس هدا زماني (دانشجوي دكترا هوش مصنوعي)

پیشنیاز های مورد نیاز داوطلبان: آشنايي مقدماتي با مفاهيم شبكه هاي عصبي و زبان برنامه نويسي پايتون

فهرست مطالب کارگاه:
بخش اول: دادگان

  • شناخت داده واهميت استفاده ازمدل هاي مبتني بر داده

بخش دوم: مقدمه ای برجایگاه یادگیری عمیق

  • معرفی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
  • تاریخچه شبکه های عصبی و یادگیری عمیق
  • کاربردهای یادگیری عمیق
  • مزایا و چالش های یادگیری عمیق

بخش سوم: روش ها و مدل های یادگیری عمیق

  • معرفی مدل های یادگیری عمیق
  • یادگیری بدون نظارت (Unsupervised)
  • مدل های یادگیری با نظارت (Supervised)
  • مدل های خود رمزنگار (Auto Encoder)
  • مدل های شبکه عصبی کانولوشنی (Convolutional Neural Network)

بخش چهارم: پروژه عملی

  • آماده سازی داده های آموزش/ الگوریتم های آموزش و بهینه سازی
  • سخت افزارها، نرم افزارها و برنامه نویسی یادگیری عمیق
  • تشخیص بیماری دیابت با استفاده از مدل های یادگیری با نظارت
  • تشخیص بیماری سرطان ریه با استفاده از شبکه عصبی کانولوشن
  • نحوه ارزیابی نتایج

بخش پنجم:   آینده یادگیری عمیق

  • اشاره اي به كاربردهاي آينده يادگيري عميق

نوشتن دیدگاه