🔴 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 ...
⏰ 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
🔶 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
🔶 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
🔆 روز چهارم (دوازدهم اردیبهشت)
🔶 کارگاه ششم (دکتر ناهید طاهریان :
Regularization for Deep Learning)
در این کارگاه و کارگاه بعدی به مسائل و روش های مختلف برای ساخت و بهینه سازی شبکه های عصبی میپردازیم.
♦️Parameter Norm Penalties
♦️Norm Penalties as Constrained Optimization
♦️Regularization and Under-Constrained Problems
♦️Dataset Augmentation
♦️Noise Robustness
♦️Multi-Task Learning
♦️Early Stopping
♦️Parameter Tying and Parameter Sharing
♦️Sparse Representations
♦️Bagging and Other Ensemble Methods
♦️Dropout
♦️Adversarial Training
🔶 کارگاه هفتم (دکتر ناهید طاهریان :
Optimization for Training Deep Models)
♦️How Learning Differs from Pure Optimization
♦️Challenges in Neural Network Optimization
♦️Basic Algorithms
♦️Parameter Initialization Strategies
♦️Algorithms with Adaptive Learning Rates
♦️Approximate Second-Order Methods
♦️Optimization Strategies and Meta-Algorithms
🔶 کارگاه ششم (دکتر ناهید طاهریان :
Regularization for Deep Learning)
در این کارگاه و کارگاه بعدی به مسائل و روش های مختلف برای ساخت و بهینه سازی شبکه های عصبی میپردازیم.
♦️Parameter Norm Penalties
♦️Norm Penalties as Constrained Optimization
♦️Regularization and Under-Constrained Problems
♦️Dataset Augmentation
♦️Noise Robustness
♦️Multi-Task Learning
♦️Early Stopping
♦️Parameter Tying and Parameter Sharing
♦️Sparse Representations
♦️Bagging and Other Ensemble Methods
♦️Dropout
♦️Adversarial Training
🔶 کارگاه هفتم (دکتر ناهید طاهریان :
Optimization for Training Deep Models)
♦️How Learning Differs from Pure Optimization
♦️Challenges in Neural Network Optimization
♦️Basic Algorithms
♦️Parameter Initialization Strategies
♦️Algorithms with Adaptive Learning Rates
♦️Approximate Second-Order Methods
♦️Optimization Strategies and Meta-Algorithms
🔅 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.
🧠 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.
🔅 مدرسین 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.
🧠 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.
🕰 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.
📅 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.
Forwarded from Data Science (محمدرضا محتاط)
چرا به یک متخصص علمداده تبدیل شویم؟
همواره انتخاب حوزه کاری در میان فیلدهای کاری مختلف و متنوع یکی از موضوعات چالشی و البته بسیار مهم بوده است. در شکل فوق دلایل اصلی جهت تبدیل شدن به یک متخصص علمداده بیان گردیده است.
اگر در رشتههای مهندسی نرمافزار، هوش مصنوعی، آمار، مدیریت فناوری اطلاعات و... تحصیل میکنید انتخاب فیلد کاری Data Science با توجه به افزایش بسیار میزان تقاضا شرکتها جهت جذب متخصصین علمداده، میزان درآمد،تاثیرگذاری در سطوح سازمانی و ملی و... میتواند یکی از بهترین تصمیمات شما باشد.
پینوشت:
قابل ذکر است که جهت موفقیت در حوزه علمداده لزوما به تخصصهای آکادمیک در رشتههای مشخصی نیاز نیست. علاقهمندی، پشتکار، تمرین، پیادهسازیهای عملی و... سبب موفقیت شما در این فیلد کاری خواهد شد.
@DataAnalysis
همواره انتخاب حوزه کاری در میان فیلدهای کاری مختلف و متنوع یکی از موضوعات چالشی و البته بسیار مهم بوده است. در شکل فوق دلایل اصلی جهت تبدیل شدن به یک متخصص علمداده بیان گردیده است.
اگر در رشتههای مهندسی نرمافزار، هوش مصنوعی، آمار، مدیریت فناوری اطلاعات و... تحصیل میکنید انتخاب فیلد کاری Data Science با توجه به افزایش بسیار میزان تقاضا شرکتها جهت جذب متخصصین علمداده، میزان درآمد،تاثیرگذاری در سطوح سازمانی و ملی و... میتواند یکی از بهترین تصمیمات شما باشد.
پینوشت:
قابل ذکر است که جهت موفقیت در حوزه علمداده لزوما به تخصصهای آکادمیک در رشتههای مشخصی نیاز نیست. علاقهمندی، پشتکار، تمرین، پیادهسازیهای عملی و... سبب موفقیت شما در این فیلد کاری خواهد شد.
@DataAnalysis
🔴 مفتخر هستیم «چنگال» را به عنوان حامی اولین دوره مدرسه یادگیری ژرف در کنار خودمان داشته باشیم.
🌐 https://changal.com
🌐 https://changal.com
This media is not supported in your browser
VIEW IN TELEGRAM
🧠 مدرسه بهاری یادگیری ژرف
📆 ۴و۵ - ۱۱و۱۲ اردیبهشت ماه ۱۳۹۸
📍تهران، خیابان مفتح، دانشگاه خوارزمی
🎓 ارایه مدرک معتبر در پایان دوره
⚠️ تنها تا پایان امروز برای ثبت نام "عادی" زمان باقیست:
🖥 https://evand.com/events/dlss
🆔 @DLSS2019
📆 ۴و۵ - ۱۱و۱۲ اردیبهشت ماه ۱۳۹۸
📍تهران، خیابان مفتح، دانشگاه خوارزمی
🎓 ارایه مدرک معتبر در پایان دوره
⚠️ تنها تا پایان امروز برای ثبت نام "عادی" زمان باقیست:
🖥 https://evand.com/events/dlss
🆔 @DLSS2019
Forwarded from TEDxKHU
📌انجمن های علمی دانشگاه خوارزمی برگزار می کند:
💥اولین رویداد TEDx در استان البرز 💥
🔹️در روز پنجشنبه ۱۲ اردیبهشت ماه ۹۸
در اولین جلسه از این رویداد همراه ما باشید!
🔹️دانشگاه خوارزمی، سالن غدیر
ساعت ۱۷ الی ۲۰
منتظرتون هستیم!🌸
با سخنرانی برترین ها در زمینه ی کارافرینی
✅سخنران اول: بابک بختیاری
بنیان گذار فروشگاه های زنجیره ای آیس پک، تنورک، چوبیک،ceo, تکوک
✅سخنران دوم: روبن غنی پور
مدیر و بنیان گذار گروه بین المللی فرا امتیاز، مشاور و سرمایه گذار استارتاپ ها و صنعت گیم، طراح و ایده پرداز، کارآفرین برتر و کارآفرین اجتماعی
✅سخنران سوم: ماهرخ فلاحی
بنیان گذار خیریه ی کهریزک، ریاست هیئت مدیره انجمن ملی زنان کارآفرین، بنیان گذار عصای سفید و موسس دامپروری فلاحی
⚠️برای اطلاعات بیشتر به کانال ما مراجعه کنید
🆔️ @TEDxKHU
📜با ارائه گواهی حضور در همایش
📣کد تخفیف ویژه، مخصوص دانشجویان دانشگاه خوارزمی🤩
(کد تخفیف: kharazmi)
🌐جهت ثبت نام به لینک زیر مراجعه نمایید. 👇🏻😊
🔴 https://evand.com/events/tedxkhu2019
💥اولین رویداد TEDx در استان البرز 💥
🔹️در روز پنجشنبه ۱۲ اردیبهشت ماه ۹۸
در اولین جلسه از این رویداد همراه ما باشید!
🔹️دانشگاه خوارزمی، سالن غدیر
ساعت ۱۷ الی ۲۰
منتظرتون هستیم!🌸
با سخنرانی برترین ها در زمینه ی کارافرینی
✅سخنران اول: بابک بختیاری
بنیان گذار فروشگاه های زنجیره ای آیس پک، تنورک، چوبیک،ceo, تکوک
✅سخنران دوم: روبن غنی پور
مدیر و بنیان گذار گروه بین المللی فرا امتیاز، مشاور و سرمایه گذار استارتاپ ها و صنعت گیم، طراح و ایده پرداز، کارآفرین برتر و کارآفرین اجتماعی
✅سخنران سوم: ماهرخ فلاحی
بنیان گذار خیریه ی کهریزک، ریاست هیئت مدیره انجمن ملی زنان کارآفرین، بنیان گذار عصای سفید و موسس دامپروری فلاحی
⚠️برای اطلاعات بیشتر به کانال ما مراجعه کنید
🆔️ @TEDxKHU
📜با ارائه گواهی حضور در همایش
📣کد تخفیف ویژه، مخصوص دانشجویان دانشگاه خوارزمی🤩
(کد تخفیف: kharazmi)
🌐جهت ثبت نام به لینک زیر مراجعه نمایید. 👇🏻😊
🔴 https://evand.com/events/tedxkhu2019
🔹 افتتاحیه مدرسه بهاری یادگیری ژرف فردا برگزار خواهد شد.
🔸 شرکت کنندگان محترم می توانند از ساعت ۹ صبح نسبت به دریافت کارت و پک های خود اقدام کنند.
🆓 در ضمن به اطلاع می رساند وعده نهار فردا رایگان می باشد.
🆔 @DLSS2019
🔸 شرکت کنندگان محترم می توانند از ساعت ۹ صبح نسبت به دریافت کارت و پک های خود اقدام کنند.
🆓 در ضمن به اطلاع می رساند وعده نهار فردا رایگان می باشد.
🆔 @DLSS2019
🧠 مدرسه بهاری یادگیری ژرف
🏫 محل برگزاری: تهران، خیابان مفتح، کوچه طبرسی، دانشگاه خوارزمی، سالن ابوریحان
🚈 نزدیکترین ایستگاه مترو: دروازه دولت
🗺 گوگل مپ: https://goo.gl/maps/VPPsxn84qFS2
🗾 ویز: https://waze.com/ul/htnke45xm8
🆔 @DLSS2019
🏫 محل برگزاری: تهران، خیابان مفتح، کوچه طبرسی، دانشگاه خوارزمی، سالن ابوریحان
🚈 نزدیکترین ایستگاه مترو: دروازه دولت
🗺 گوگل مپ: https://goo.gl/maps/VPPsxn84qFS2
🗾 ویز: https://waze.com/ul/htnke45xm8
🆔 @DLSS2019
🔴 قابل توجه شرکت کنندگان عزیز 🔴
مراسم افتتاحیه فردا از ساعت ۹ صبح الی ۱۰:۱۵ میباشد
سپس بخش اول کارگاه پایتون از ساعت ۱۰:۴۵ تا ۱۲:۱۵ برگزار میشود.
در ادامه بقیه ساعات به مانند برنامه اعلام شده طبق جدول زمان بندی میباشد.
مراسم افتتاحیه فردا از ساعت ۹ صبح الی ۱۰:۱۵ میباشد
سپس بخش اول کارگاه پایتون از ساعت ۱۰:۴۵ تا ۱۲:۱۵ برگزار میشود.
در ادامه بقیه ساعات به مانند برنامه اعلام شده طبق جدول زمان بندی میباشد.
🕰 جدول زمانبندی مدرسه بهاری یادگیری ژرف
🏛 مکان : تهران - خیابان مفتح - دانشگاه خوارزمی - سالن ابوریحان
📢 کانال مدرسه بهاری : @DLSS2019
🏛 مکان : تهران - خیابان مفتح - دانشگاه خوارزمی - سالن ابوریحان
📢 کانال مدرسه بهاری : @DLSS2019