بسته آموزشی جامع یادگیری عمیق Deep Learning

(دیدگاه کاربر 24)

190,000 تومان

توضیحات

blank

هوش مصنوعی – یادگیری عمیق

یکی از زمینه های بسیار جذاب و پرکاربرد در قرن اخیر هوش مصنوعی می باشد. هم اکنون کاربردهای بسیار زیادی برای هوش مصنوعی در جهان اطراف ما قابل مشاهده است مثل ماشین های بدون راننده ، دستیاران صوتی، مترجم های آنلاین، رباتهای هوشمند، نرم افزارهای تشخیص بیماری ، الگوریتم های هوشمند داده کاوی، تشخیص چهره، ربات سخن گو، پیش بینی بورس و نمودارهای مالی .

blank

هوش مصنوعی – یادگیری عمیق – کاربرد

هوش مصنوعی دانش بسیار گسترده ای می باشد که بخشی از آن یادگیری عمیق می باشد. یادگیری عمیق یکی از موضوعات بسیار داغ و جذاب می باشد که علاقه مندان بسیار زیادی پیدا کرده است. یکی از دلایل این علاقه سادگی کار و نتایج حیرت کننده حاصل از آن می باشد. به عنوان مثال برای تشخیص یک شی در تصویر، اگر بخواهید از روشهای قدیمی استفاده کنید باید استخراج ویژگی انجام دهید و سپس یک مدل دسته بندی کننده انتخاب کنید. این فرایند بسیار زمان بر و تخصصی می باشد و می بایست یک فرد متخصص نوع ویژگی ها و پارامترهای آنها را تنظیم کند. اما با یادگیری عمیق شما فقط کافی است که ساختار مدل خود را طراحی کنید و نیازی به مرحله استخراج ویژگی ندارید و تمامی فرایند توسط لایه های مدل یادگیری عمیق انجام می شود.

دلیل بعدی جذابیت کار در یادگیری عمیق ، مدلهای آماده بسیار زیاد موجود می باشد که فرایند طراحی و آموزش و تست را بسیار کوتاه می کند و شما با توجه به مفهوم transfer learning یک مدل آماده را برای کاربرد خود تغییر می دهید. یعنی دیگر لازم نیست چرخ را از اول اختراع کنید و همه فرایند سخت و طاقت فرسای طراحی مدل هوشمند خود را از صفر شروع کنید. الان مدلهای آماده ای وجود دارند که با دقت بالایی می توانند 1000 کلاس مختلف تصویری را شناسایی کنند. یعنی شما مدل را import می کنید و تصویر بهش می دهید و برای شما کار شناسایی را انجام می دهد. به عبارت ساده تر هولو برو تو گلو. 🙂


قسمت اول

مبانی و مقدمات یادگیری عمیق

blank

 


قسمت دوم

پیاده سازی و برنامه نویسی در متلب

blank

 


مدرس :

قیصری (مدیر گروه ایران متلب با سابقه 15 ساله در متلب و زبان های مختلف برنامه نویسی)

 

24 دیدگاه برای بسته آموزشی جامع یادگیری عمیق Deep Learning

  1. علی

    این بسته را چطور میشود تهیه کرد؟ گزینه ای برای افزودن به سبد خرید نیست.لطفا قیمت را بفرمایید

  2. ماهان

    سلام
    خواستم تشكر كنم از شما
    واقعا بهش نياز داشتم براي پروژه ام.

  3. نگار

    عالي بود

  4. محمد

    من برای پروژه دسته بندی تصاویر می خوام از CNN استفاده کنم. آیا با تهیه این فیلم آموزشی قادر هستم یک شبکه CNN را برای کار خودم طراحی کنم؟

    • ایران متلب

      سلام
      بله یکی از ساده ترین کاربردهای CNN در دسته بندی تصاویر می باشد که در این آموزش در مورد آن به تفضیل صحبت شده است.

  5. نرگس

    به نظرم ایران متلب یکی از بهترین ها در زمینه متلب هست و این بسته آموزشیش خیلی اطلاعات خوب و جدیدی به من داد

  6. فاضلی

    سلام
    من قبلا از ایران متلب مجموعه آموزش شبکه عصبی را تهیه کرده بودم. الان یادگیری عمیق را گرفتم و وافعا راضی هستم.

  7. زهرا

    تشکر از شما
    شما آموزش یادگیری ماشین هم دارید؟

    • ایران متلب

      سلام
      در عصر حاضر هوش مصنوعی بسیار کاربرد دارد.
      پیشنهاد شما به شما تهیه بسته یادگیری عمیق می باشد و سپس
      بسته آموزشی یادگیری ماشین است که در لینک زیر می توانید مشخصات آنرا مشاهده فرمایید.

      بسته آموزشی جامع یادگیری ماشین

  8. farzad

    سلام
    میخواستم این آموزش را خریداری کنم. یک سوال داشتم.
    ببخشید شما تخفیف هم براش در نظر میگیرید؟

    • ایران متلب

      سلام و تشکر از شما
      همانطور که می بینید قیمت حال حاضر این بسته آموزشی با تخفیف این مقدار شده است.

  9. saeid

    سلام یک سوال داشتم
    من برنامه نویسی چیزی بلد نیستم.
    آیا میتوانم از این بسته آموزشی استفاده کنم چون به هوش مصنوعی خیلی علاقه دارم؟

    • ایران متلب

      با سلام و احترام

      شما که دانش برنامه نویسی ندارد هم می توانید از این بسته آموزشی استفاده کنید. بخش اول آن که مبانی و مقدمات می باشد که به خوبی می توانید متوجه شوید. بخش دوم شما قسمت پیاده سازی با ابزارآماده در متلب را ببینید که نیازی به برنامه نویسی ندارد.

  10. dani

    آیا در مورد
    dataStore
    هم در این بسته آموزشی صحبت شده است؟

    • ایران متلب

      با سلام و احترام خدمت شما

      بله در مورد متغییر جدیدی که متلب از ۲۰۲۰ به خودش اضافه کرده هم صحبت شده است.

  11. cami

    سلام من در لایه های شبکه CNN مشکل دارم. آیا با این آموزش این لایه ها را یاد می گیریم؟ مثل ReLU

    • ایران متلب

      سلام
      یکی از اصلی ترین مفاهیم در یادگیری عمیق همین لایه های شبکه CNN می باشد. که در این بسته آموزشی به تفضیل در این مورد صحبت شده است.

  12. نمازی

    تشکر از شما برای تهیه این آموزش

  13. حیدری

    سلام
    ببخشید تو این مجموعه مثال عددی هم هست مثل کنترل کردن چیزی ؟
    یا این مجموعه مختص مهندسی کامپیوتر هست یا مهندسی برق هم میشه استفاده کرد؟

    ممنون

    • ایران متلب

      سلام و تشکر از شما برای سوالتون
      کاربردهای یادگیری عمیق بسیار بسیار زیاد است و هر روزه کاربردهای بسیار جدیدی برای آن پیدا می شود. بنابراین آموزش های یادگیری عمیق ایران متلب برای هر کاربردی قابل استفاده است.
      در حال حاضر تمامی رشته های مهندسی علاقه مند به یادگیری عمیق هستند چون دریچه های جدیدی از دانش و فناوری را بر روی محققین باز می کند. به عنوان مثال همانطور که در بسته آموزشی هم گفته شده است . محققین علم پزشکی با کمک یادگیری عمیق بیماری های پنهان شخص را از روی چهره شناسایی کردند و این مدل عمکلرد خوبی داشته است. لذا به همه اکیدا توصیه می شود که یادگیری عمیق را بدانند تا بتوانند از آن استفاده کنند.

  14. حسین

    سلام تشکر از بسته جامع و خوبتون. ایا میشه در پیش بینی های سری زمانی در یادگیری عمیق مثل LSTM ورودی مدل چند پارامتر مختلف باشد و خروجی پارامتر دیگر؟ به طور مثال در حوزه ترافیک، ورودی مدل سرعت و حجم ترافیک باشد و خروجی زمان سفر؟ ممنون

    • ایران متلب

      سلام
      بله شما می توانید از مدل LSTM برای کاربردهای چند ورودی و چند خروجی استفاده کنید.

      پیشنهاد ما به شما آزمایش bi-directional LSTM می باشد چون عملکرد بهتری در پروژه هایی ایران متلب از خود نشان داده است.

  15. mohammad

    سلام وقت بخیر با سفارش این مجموعه دو قسمت مقدماتی و پیاده سازی رو باهم دریافت خواهیم کرد؟

    • ایران متلب

      سلام
      بله هر دو آموزش مقدماتی و برنامه نویسی را دریافت خواهید کرد.

  16. شایا

    سلام وقت بخیر، ببخشید من میخوام یک سری دیتای تست و آموزش دارم، که باید اونهارو به شبکه Alexnet بدم… من یک سوال دارم، هدف من شناسایی داده های ناهنجار از بین داده های تست در مقایسه با داده های آموزش هست…. من اگر این پکیج Alexnet رو خریداری کنم و همینطور این دیتهارو به این شبکه بدم این تشخیص ناهنجاری رو خروجی به من نشون میده!؟ یا کلا چطور باید این اتفاقا بیفته…. خیلی لطف میکنید اگر راهنمایی کنید…تشکر به خاطر سایت عالی تون، موفق باشید…

    • ایران متلب

      سلام و تشکر از شما
      اول باید ببینیم منظور شما از ناهنجاری چیست؟ شبکه Alexnet تشخیص ناهنجاری نمی دهد.
      به علاوه، اگر بتوانید داده های هدف (target) را برای داده های آموزش و تست مشخص کنید، به راحتی می توانید از Alexnet استفاده کنید.
      برای درک مفهوم Alexnet به فیلم آموزشی مراجعه کنید.

  17. ایمان

    سلام وقتتون بخیر میخواستم ببینم آموزش حدودا چند ساعته هستش؟باتشکر واینکه مباحث مربوط به استخراج ویژگی یا طبقه بندی در این مجموعه بیان شده است؟

    • ایران متلب

      سلام
      یکی از فایده های استفاده از یادگیری عمیق نیاز نداشتن به استخراج ویژگی می باشد. در روشهای قدیمی قسمتی به نام استخراج ویژگی داشتیم که از تصویر ورودی یا ناحیه ای در تصویر بردار ویژگی استخراج می کرد و سپس به دسته بندی کننده اعمال می شد اما در یادگیری عمیق نیازی به استخراج ویژگی نیست.
      اگر می خواهید استخراج ویژگی در متلب را یاد بگیرید. ویژگی های بسیار گوناگونی می توان استخراج کرد که آموزش تعدادی از پیشرفته های آنها را میتوان در لینک زیر یاد بگیرید.
      آموزش فارسی استخراج ویژگی در متلب

  18. زاهد

    سلام. من یه سری عدد دارم و میخوام یه سری عدد دیگه رو تخمین بزنم؟ ایا این آموزش برای داده های عددی هم هست یا فقط برای تصویر؟

    • ایران متلب

      سلام
      در هر صورت چه داده ها 2 بعدی باشند یا یک بعدی، شما باید مفهوم یادگیری عمیق را اول بدانید. دوم طریقه ساخت آن را بلد باشید و با لایه هاش آشنایی داشته باشید.
      ما یک آموزش مخصوص داده های عددی داریم، ولی پیشنهاد من اول بسته یادگیری عمیق و سپس آموزش پیش بینی سری زمانی با یادگیری عمیق هست.

  19. مهدی

    سلام هر کای کردم نتونستم پرداخت کنم اصلا وارد درگاه بانک نمیشه لطفا راهنمایی کنید

    • ایران متلب

      سلام
      کارت به کارت کنید

  20. سبحان

    سلام من هرکاری میکنم تولباکس الکس که تو یادگیری عمیق توضیح میدید دانلود نمیشه . میشه فایلش رو بفرستید؟

    • ایران متلب

      با سلام
      مراحل را مرحله به مرحله گفتیم.
      دو راه حل برای شما وجود دارد:
      1) استفاده از یک قند–شکن خوب ، چون با آی پی ایران مشکل دارد.
      2) دانلود کتابخانه الکس از سایت متورک و نصب در محیط متلب.

  21. reza roshanpour

    واقعا سپاسگزارم از پاسخ های شما و این پاسخ ها از طرف شما مایه دلگرمی و مباهات بنده است که این مجموعه رو از شما خرید کردم… حقیقتش رشته بنده اقتصاد هست و نرم افزار متلب هم کار کردم و دیدم بعضی ها از شبکه های عصبی برای پیش بینی استفاده میکنند. پس برای شروع اول با ” مجموعه جامع شبکه عصبی” شروع کنم و بعد اینکه با ” آموزش شبکه عصبی کانالوشن” ادامه بدم یا ” شبکه عصبی narx (بازگشتی)” …. ممنون بابت پاسخ تون

  22. مهدی

    سلام
    وقتتون بخیر. من می خواهم با تولباکس های یادگیری عمیق در سیمولینک کار کنم. آیا شما در این آموزش، نحوه کار با تولباکس ها را آموزش داده اید؟

    • ایران متلب

      سلام بله

  23. مهدی

    سلام
    من می خواهم پارامترهای یک کنترلر در محیط سیمولینک متلب را با استفاده از تولباکس یادگیری عمیق تنظیم کنم. آیا در این آموزش، شما کار با تولباکس های یادگیری عمیق را آموزش داده اید؟

    • ایران متلب

      سلام بله
      تنظیم کردن پارامترهای یک کنترلر با الگوریتم های بهینه‌سازی انجام می شود.

  24. جواد

    سلام من می خواهم تصاویر را بخش بندی توسط segmentation

    تو این آموزش توضیح داده می شود

    • ایران متلب

      سلام
      کاربردهای یادگیری عمیق بسیار زیاد می باشد
      یادگیری عمیق (Deep Learning) کاربردهای گسترده‌ای دارد که در بسیاری از حوزه‌ها به کار می‌رود. برخی از کاربردهای مهم آن عبارتند از:

      پردازش زبان طبیعی (NLP): ترجمه خودکار، تحلیل احساسات، تشخیص گفتار و تولید متون.

      بینایی ماشین (Computer Vision): تشخیص اشیا، تشخیص چهره، تحلیل تصاویر پزشکی و بینایی خودران.

      تشخیص صدا: تشخیص گوینده، تایید هویت از طریق صدا و سیستم‌های دستیار صوتی مانند الکسا و سیری.

      بازی‌ها و سرگرمی: بازی‌های رایانه‌ای هوشمند، انیمیشن‌سازی و بهبود تجربه کاربری.

      خودروهای خودران: ناوبری و تصمیم‌گیری برای خودروهای خودران.

      پزشکی: تشخیص بیماری‌ها، تحلیل تصاویر پزشکی، و کشف داروهای جدید.

      مالی: پیش‌بینی بازار، شناسایی تقلب و مدیریت ریسک.

      تبلیغات و بازاریابی: هدف‌گذاری تبلیغات، تحلیل رفتار مشتری و بهبود تجربه کاربری.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *