AI & Deep Learning From Scratch In Python 2024-2 is a comprehensive, hands-on course designed to take you from the fundamentals to advanced, real-world mastery of div. Whether you are just starting out or looking to level up, this course gives you the structured path and practical projects you need to succeed.
Throughout the lessons you will build genuine confidence with div and class, learning through clear explanations and step-by-step examples you can apply immediately. Below you will find everything the course covers, who it is for, and a full breakdown of the curriculum before you download.
Course Description
دوره AI & Deep Learning From Scratch In Python. این دوره به ارائه درک جامعی از شبکههای عصبی کانولوشنی (CNN) با ترکیب مبانی ریاضی و پیادهسازی عملی در پایتون میپردازد. این دوره برای علاقهمندان بدون نیاز به پیشزمینه خاصی طراحی شده و مفاهیم اساسی برنامهنویسی پایتون و حسابان مورد نیاز برای یادگیری عمیق را پوشش میدهد. هر جزء از شبکههای عصبی کانولوشنی ابتدا به صورت ریاضی تشریح شده و سپس مرحله به مرحله در پایتون پیادهسازی میشود. از طریق تمرینهای برنامهنویسی تعاملی که مستقیماً در محیط مرورگر قابل اجرا هستند، شرکتکنندگان به تدریج یک چارچوب کامل تشخیص اشیاء بر مبنای یک مدل CNN بهینهشده توسعه میدهند. یکی از دستاوردهای کلاسی این دوره، آشنایی با یکی از پیشرفتهترین و مؤثرترین الگوریتمهای تشخیص چندشیئی در زمان واقعی است. درک فرآیند پسار انتشار از هر دو جنبه تئوری و عملی، پایهای محکم در جنبه اساسی آموزش شبکههای عصبی ایجاد میکند. در پایان دوره، دانشآموزان تجربه عملی در ساخت یک چارچوب پیچیده CNN شامل تکنیکهای پیشرفته بهینهسازی و regularization را کسب خواهند کرد که توانایی آنان را برای حل مسائل پیچیده تشخیص اشیاء در دنیای واقعی با نتایج عملکرد برجسته تقویت مینماید و مهارتهای آنان را در حوزههای بینایی کامپیوتر و یادگیری عمیق ارتقا میبخشد.
آنچه فرا خواهید گرفت
- درک عملی و ریاضی شبکههای عصبی:
- درک اینکه شبکههای عصبی عمیق (Deep Neural Networks) چگونه کار میکنند، هم به صورت عملی و هم به صورت ریاضی.
- درک فرآیندهای پیشانتشار (Forwardpropagation) و پسانتشار (Backpropagation)، هم به صورت ریاضی و هم به صورت عملی.
- طراحی و پیادهسازی مدلها:
- طراحی و پیادهسازی یک شبکه عصبی عمیق برای طبقهبندی چندکلاسه (multi-class classification).
- درک و پیادهسازی اجزای سازنده شبکههای عصبی پیچشی.
- درک و پیادهسازی تکنیکهای پیشرفته بهینهسازی، منظمسازی و مقداردهی اولیه (Initialization).
- آموزش مدلها و کاربرد عملی:
- آموزش و اعتبارسنجی یک مدل پیچشی بر روی مجموعه دادههای پرکاربرد مانند MNIST و CIFAR-10.
- درک و پیادهسازی یادگیری انتقالی (Transfer Learning).
- استفاده از یک مدل پیچشی برای ایجاد یک سیستم تشخیص چندگانه اشیا در زمان واقعی.
این دوره مناسب افرادیست که
- همه کسانی که علاقهمند به درک واقعی شبکههای عصبی پیچشی هستند و مایل به ایجاد چارچوب تشخیص اشیا (Object Detection Framework) خود در پایتون میباشند.
مشخصات دوره
- ناشر: Udemy
- مدرس: Victor Huerlimann
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 5 ساعت و 16 دقیقه
What You Will Learn
- درک عملی و ریاضی شبکههای عصبی:
- درک اینکه شبکههای عصبی عمیق (Deep Neural Networks) چگونه کار میکنند، هم به صورت عملی و هم به صورت ریاضی.
- درک فرآیندهای پیشانتشار (Forwardpropagation) و پسانتشار (Backpropagation)، هم به صورت ریاضی و هم به صورت عملی.
- طراحی و پیادهسازی مدلها:
- طراحی و پیادهسازی یک شبکه عصبی عمیق برای طبقهبندی چندکلاسه (multi-class classification).
- درک و پیادهسازی اجزای سازنده شبکههای عصبی پیچشی.
- درک و پیادهسازی تکنیکهای پیشرفته بهینهسازی، منظمسازی و مقداردهی اولیه (Initialization).
- آموزش مدلها و کاربرد عملی:
- آموزش و اعتبارسنجی یک مدل پیچشی بر روی مجموعه دادههای پرکاربرد مانند MNIST و CIFAR-10.
- درک و پیادهسازی یادگیری انتقالی (Transfer Learning).
- استفاده از یک مدل پیچشی برای ایجاد یک سیستم تشخیص چندگانه اشیا در زمان واقعی.
Who This Course Is For
- همه کسانی که علاقهمند به درک واقعی شبکههای عصبی پیچشی هستند و مایل به ایجاد چارچوب تشخیص اشیا (Object Detection Framework) خود در پایتون میباشند.
Course Features & Specifications
- ناشر: Udemy
- مدرس: Victor Huerlimann
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 5 ساعت و 16 دقیقه
Prerequisites
- No prior knowledge is required
Preview
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 1080p
Installation Guide
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 1080p
