دیدگاه کاربران
بر اساس امتیاز 2 دانشجو
سفری از مبانی یادگیری عمیق تا مدلهای مولد و هوش مصنوعی مدرن
مبانی یادگیری عمیق و نحوهی آموزش شبکههای عصبی با روشهایی مانند Backpropagation و Gradient Descent
آشنایی با معماریهای مهم مانند CNN، RNN، GNN و Transformer و کاربرد هرکدام
درک مفاهیم نظری مهم در Deep Learning مانند Generalization، Optimization و Representation Learning
بررسی کاربرد یادگیری عمیق در حوزههایی مانند پردازش تصویر، زبان طبیعی و دادههای گرافی
29 ساعت ویدئو
23 فایل ضمیمه قابل دانلود
گواهینامه مکتبخونه
دسترسی مادامالعمر به محتوای دوره
زیرنویس اختصاصی مکتبخونه
احتمال و آمار در حد متوسط
مبانی Machine Learning؛ مثل regression، classification، loss function، overfitting و regularization
ریاضیات دانشگاهی، بهخصوص جبر خطی و مشتق و گرادیان
برنامهنویسی با Python و آشنایی مقدماتی با NumPy/PyTorch
آشنایی کلی با بهینهسازی و Gradient Descent
این دوره فرصتی برای آشنایی عمیقتر با ایدهها و روشهایی است که پایهی بسیاری از پیشرفتهای امروزی در هوش مصنوعی را تشکیل میدهند. در این دوره، مفاهیمی مانند شبکههای عصبی، Backpropagation، CNNها، RNNها، Graph Neural Networks و Transformerها در کنار مباحث نظری یادگیری عمیق بررسی میشوند. اگر میخواهید فراتر از استفاده از مدلهای آماده بروید و درک بهتری از نحوهی یادگیری، عملکرد و طراحی مدلهای Deep Learning به دست آورید، این دوره میتواند نقطه شروع مناسبی باشد.
بر اساس امتیاز 2 دانشجو

پس از گذراندن دوره به صورت آنلاین در سایت مکتبخونه، گواهینامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتبخونه به اسم شما صادر شده و در اختیار شما قرار میگیرد.
کیفیت این آموزش توسط مکتبخونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر میتوانید درخواست بازگشت وجه کنید.
Phillip Isola استاد علوم کامپیوتر در MIT و پژوهشگر حوزه هوش مصنوعی و یادگیری عمیق است. پژوهشهای او بر یادگیری بازنمایی، بینایی ماشین، مدلهای مولد و درک و تولید محتوای بصری با استفاده از یادگیری عمیق متمرکز است.

یادگیری عمیق دانشگاه MIT