اگر با هوش مصنوعی آشنایی داشته باشید و عنوان شبکه‌های عصبی مصنوعی (ANN: Artificial Neural Network) به گوشتان خورده باشد، احتمالاً این سؤال برای شما پیش آمده است که شبکه‌ی عصبی چیست، توانایی انجام چه کارهایی را دارد و کاربرد آن در چه زمینه‌هایی است؟ شبکه‌های عصبی، پایه و اساس یادگیری عمیق (Deep Learning) هستند. یادگیری عمیق یکی از زیرشاخه‌های یادگیری ماشین است که توانسته پیشرفت‌های زیادی به‌دست آورد. از جمله مثال‌های کاربردی آن می‌توان به کنترل بازیکنان در بازی‌های Go و Poker و همچنین تسریع کشف مواد مخدر و کمک به اتومبیل‌های اتوماتیک (خودران) اشاره کرد.
مباحث اصلی دوره:
- آشنایی با کولب و دفترچه ژوپیتر
- ساخت یک کلاس شبکه عصبی
- تنظیم وزن‌های اولیه
- کدنویسی الگوریتم پیش‌خور (Feed-forward) و پس‌انتشار (Back-propagation)
- کدنویسی گرادیان کاهشی (Gradient Descent)
- آشنایی دیتاست MNIST
- فرق Image Detection و Image Recognition
- کار با numpy و matplotlib و scipy
- نحوه نرمال سازی داده‌ها
- تفاوت آزمایش (Test) و پیش‌بینی (Prediction)
- بهینه‌سازی شبکه و بهبود عملکرد (Performance)
- باز کردن جعبه سیاه (Black Box) شبکه‌های عصبی
مناسب برای رشته های :
- مهندسی نرم افزار
- آی تی
- الکترونیک
هیچ دیدگاهی برای این محصول نوشته نشده است.