🔅 مدرسه بهاری یادگیری ژرف 🔅
💥 Deep Learning Spring School (DLSS) 💥

📅 تاریخ شروع : ۴ اردیبهشت ۱۳۹۸


🏛 مکان : تهران - خیابان مفتح - دانشگاه خوارزمی - سالن ابوریحان


📢 کانال مدرسه بهاری : @DLSS2019


🤖 بات مدرسه بهاری : @DLSSBot


📝 ثبت نام از طریق سایت ایوند :
https://evand.com/events/dlss

⭕️ برای کسب اطلاعات بیشتر و دیدن برنامه‌ی برگزاری و معرفی مدرسان و ... به کانال و بات مدرسه بهاری مراجعه فرمایید.

🔴 مدرسان مدرسه بهاری یادگیری ژرف 🔴


📅 تاریخ شروع : ۴ اردیبهشت ۱۳۹۸


🏛 مکان : تهران - خیابان مفتح - دانشگاه خوارزمی - سالن ابوریحان


📢 کانال مدرسه بهاری : @DLSS2019


🤖 بات مدرسه بهاری : @DLSSBot


📝 ثبت نام از طریق سایت ایوند :
https://evand.com/events/dlss

⭕️ برای کسب اطلاعات بیشتر و دیدن برنامه‌ی برگزاری و معرفی مدرسان و ... به کانال و بات مدرسه بهاری مراجعه فرمایید.

🕰 جدول زمان‌بندی مدرسه بهاری یادگیری ژرف 🕰


📅 تاریخ شروع : ۴ اردیبهشت ۱۳۹۸


🏛 مکان : تهران - خیابان مفتح - دانشگاه خوارزمی - سالن ابوریحان


📢 کانال مدرسه بهاری : @DLSS2019


🤖 بات مدرسه بهاری : @DLSSBot


📝 ثبت نام از طریق سایت ایوند :
https://evand.com/events/dlss

⭕️ برای کسب اطلاعات بیشتر و دیدن برنامه‌ی برگزاری و معرفی مدرسان و ... به کانال و بات مدرسه بهاری مراجعه فرمایید.

🔅 مدرسه بهاری یادگیری ژرف
🧠 Deep Learning Spring School (DLSS)

📅 تاریخ شروع: ۴ اردیبهشت ماه ۹۸

🏛 محل برگزاری: تهران، خیابان مفتح، دانشگاه خوارزمی، سالن ابوریحان

📢 کانال تلگرام: @DLSS2019

💻 سایت: http://dlss.cskhu.ir

🤖 بات تلگرام: @DLSSBot

📷 اینستاگرام: instagram.com/dlss2019

📝 ثبت نام از طریق سایت ایوند:
https://evand.com/events/dlss

⭕️ برای کسب اطلاعات بیشتر و مشاهده برنامه‌ی برگزاری، معرفی مدرسان و... به سایت، کانال و یا بات مدرسه بهاری مراجعه فرمایید.

⁉️ چه کسانی می‌توانند در مدرسه بهاری یادگیری ژرف شرکت کنند؟ آیا نیاز به دانش اولیه خاصی است ⁉



📅 تاریخ شروع: ۴ اردیبهشت ماه ۹۸

🏛 محل برگزاری: تهران، خیابان مفتح، دانشگاه خوارزمی، سالن ابوریحان

📢 کانال تلگرام: @DLSS2019

💻 سایت: http://dlss.cskhu.ir

🤖 بات تلگرام: @DLSSBot

📷 اینستاگرام: instagram.com/dlss2019

📝 ثبت نام از طریق سایت ایوند:
https://evand.com/events/dlss

⭕️ برای کسب اطلاعات بیشتر و مشاهده برنامه‌ی برگزاری، معرفی مدرسان و... به سایت، کانال و یا بات مدرسه بهاری مراجعه فرمایید.

🔴 مدرسه بهاری یادگیری ژرف یک دوره سی ساعته است که در طول این سی ساعت ، یک سخنرانی به مدت دو ساعت و هفت کارگاه آموزشی که هر کدام به مدت چهار ساعت است ، خواهیم داشت.

⏰ سر فصل هایی که در هر کارگاه گفته خواهد شد به تفکیک روز ها به شرح زیر می‌باشد.

🔆 روز اول (چهارم اردیبهشت)

🔶 سخنرانی افتتاحیه (دکتر میرمحسن پدرام)
♦️"علم داده و یادگیری ژرف ، چالش ها و فرصت ها"


🔶 کارگاه اول (کمال صادق آبادی و شاهین شیوعی : پایتون)
این کارگاه مختص به آموزش پایتون مقدماتی و سپس معرفی کتابخانه های مهم یادگیری ماشین و یادگیری ژرف در پایتون ، می‌باشد.

♦️پایتون مقدماتی (برای افرادی که با پایتون آشنایی ندارند)
♦️ معرفی کتابخانه های Numpy و Pandas و DataFrame و Scikit-learn و ...

🔆 روز دوم (پنجم اردیبهشت)

🔶 کارگاه دوم (دکتر جمشید سعیدیان : جبرخطی و محاسبات عددی)
در این کارگاه به آموزش ریاضیات پایه و جبرخطی و محاسبات عددی که در یادگیری ژرف استفاده می‌شود ، پرداخته می‌شود.

♦️ماتریس ها و بردار ها و تنسور ها
♦️ضرب ماتریس ها و بردار ها
♦️ماتریس ها و معکوس آن ها
♦️وابستگی خطی
♦️نرم ها
♦️ماتریس ها و بردارهای خاص
♦️دترمینان
♦️Eigendecomposition
♦️The Trace Operator
♦️Principal Components Analysis
♦️Overflow and Underflow
♦️Gradient-Based Optimization
♦️Constrained Optimization


🔶 کارگاه سوم (دکتر بردیا پناه به حق : آمار و احتمالات )
در این کارگاه به آموزش مفاهیم و روش های آماری و احتمالاتی که در یادگیری ژرف استفاده می‌شود ، پرداخته می‌شود.

♦️متغیری های تصادفی
♦️فضاهای احتمالاتی
♦️احتمالات شرطی
♦️احتمالات شرطی همبسته
♦️احتمالات شرطی مستقل
♦️فضا های احتمالاتی رایج
♦️قضیه بیز
♦️Information Theory
♦️Structured Probabilistic Models

🔆 روز سوم (یازدهم اردیبهشت)


🔶 کارگاه چهارم (محمد مهدی کوچالی : یادگیری ماشین)
در این کارگاه وارد بخش یادگیری ماشین می‌شویم و پس از تعریف یادگیری ماشین ، الگوریتم های مهم یادگیری ماشین را آموزش خواهیم داد.

♦️الگوریتم های یادگیری
♦️Capacity, Overfitting and Underfitting
♦️Hyperparameters and Validation Sets
♦️Estimators, Bias and Variance
♦️Maximum Likelihood Estimation
♦️Bayesian Statistics
♦️Supervised Learning Algorithms
♦️Unsupervised Learning Algorithms
♦️Semi-Supervised Learning Algorithms
♦️Stochastic Gradient Descent
♦️Challenges Motivating Deep Learning


🔶 کارگاه پنجم (مهندس علیرضا کوچالی : یادگیری ژرف)
در این کارگاه وارد بخش یادگیری ژرف می‌شویم و پس از تعریف یادگیری ژرف ، به تحلیل معماری شبکه های عصبی و انواع شبکه های عصبی خواهیم پرداخت.

♦️Example: Learning XOR
♦️Gradient-Based Learning
♦️Hidden Units
♦️Architecture Design
♦️Back-Propagation and Other Differentiation Algorithms
♦️ معرفی شبکه های عصبی مختلف
♦️ چالش های مربوط به شبکه های عصبی