یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
Forwarded from یادگیری برنامه نویسی و تکنولوژی های روز دنیا
🚨این مجموعه آموزشی شامل مباحث آموزش برنامه نویسی پایتون از سطح مقدماتی تا سطح متوسط، مباحث داده کاوی، آماری و کار با داده ها، آشنایی و به کارگیری روش های یادگیری ماشین و در نهایت بحث یادگیری عمیق و شبکه های عصبی می باشد. با تکیه بر توضیح مباحث اساسی و مهم در این حوزه ها، در این مجموعه تمامی مباحث همراه با مثال ها و پروژه های عملی و کاربردی ارایه می شود که به علاقه مندان این امکان را می دهد تا بتوانند به صورت تخصصی و با نگاه شغلی آموزش را دنبال کنند.
📮 برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
🎁 جهت بهره مندی از تخفیف 20 درصدی که برای اعضای کانال در نظر گرفته شده است، هنگام تسویه حساب در سایت کد تخفیف ai2019_20 را وارد کنید
📮 برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
🎁 جهت بهره مندی از تخفیف 20 درصدی که برای اعضای کانال در نظر گرفته شده است، هنگام تسویه حساب در سایت کد تخفیف ai2019_20 را وارد کنید
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری عمیق چیست؟ شبکه های عصبی عمیق چیست؟
یکی از حوزه های بسیار جذاب در هوش مصنوعی که در سال های اخیر بسیار مورد توجه قرار گرفته است، یادگیری عمیق است. اما یادگیری عمیق چیست؟ آیا یادگیری عمیق با یادگیری ماشین متفاوت است؟ ارتباط یادگیری عمیق با شبکه های عصبی عمیق چیست؟
اولین نکته این است که یادگیری عمیق زیر مجموعه مبحث یادگیری عمیق قرار می گیرد. در مبحث یادگیری ماشین روش های متفاوتی برای مباحث کلاسبندی، خوشه بندی و پیش بینی داریم مثل کلاسبندی knn، خوشه بندی k-means و رگرسیون خطی. اما در این روش های که به تفصیل در مورد آن ها در مجموعه جامع یادگیری ماشین و داده کاوی با پایتون در مورد آن صحبت شده است، عمدتا قبل از اینکه داده ها و تصاویر را به مدل بدهیم، لازم است تا استخراج ویژگی صورت بگیرد. این روش های اغلب تنها قادر هستند ارتباطات سطحی بین داده ها را دریابند و از درک عمیق تر رابطه ی بین داده ها عاجز هستند. در واقع در یادگیری عمیق قسمت استخراج ویژگی در خود مدل ادغام شده است و نیازی به پردازش داده قبل از تحویل آن به سیستم نیست... ادامه http://yon.ir/PB1RG
یکی از حوزه های بسیار جذاب در هوش مصنوعی که در سال های اخیر بسیار مورد توجه قرار گرفته است، یادگیری عمیق است. اما یادگیری عمیق چیست؟ آیا یادگیری عمیق با یادگیری ماشین متفاوت است؟ ارتباط یادگیری عمیق با شبکه های عصبی عمیق چیست؟
اولین نکته این است که یادگیری عمیق زیر مجموعه مبحث یادگیری عمیق قرار می گیرد. در مبحث یادگیری ماشین روش های متفاوتی برای مباحث کلاسبندی، خوشه بندی و پیش بینی داریم مثل کلاسبندی knn، خوشه بندی k-means و رگرسیون خطی. اما در این روش های که به تفصیل در مورد آن ها در مجموعه جامع یادگیری ماشین و داده کاوی با پایتون در مورد آن صحبت شده است، عمدتا قبل از اینکه داده ها و تصاویر را به مدل بدهیم، لازم است تا استخراج ویژگی صورت بگیرد. این روش های اغلب تنها قادر هستند ارتباطات سطحی بین داده ها را دریابند و از درک عمیق تر رابطه ی بین داده ها عاجز هستند. در واقع در یادگیری عمیق قسمت استخراج ویژگی در خود مدل ادغام شده است و نیازی به پردازش داده قبل از تحویل آن به سیستم نیست... ادامه http://yon.ir/PB1RG
🚨این مجموعه آموزشی شامل مباحث آموزش برنامه نویسی پایتون از سطح مقدماتی تا سطح متوسط، مباحث داده کاوی، آماری و کار با داده ها، آشنایی و به کارگیری روش های یادگیری ماشین و در نهایت بحث یادگیری عمیق و شبکه های عصبی می باشد. با تکیه بر توضیح مباحث اساسی و مهم در این حوزه ها، در این مجموعه تمامی مباحث همراه با مثال ها و پروژه های عملی و کاربردی ارایه می شود که به علاقه مندان این امکان را می دهد تا بتوانند به صورت تخصصی و با نگاه شغلی آموزش را دنبال کنند.
📮 برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
📮 برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
⚙️ مباحث دوره به تفصیل
1️⃣ فصل اول – برنامه نویسی پایتون
• چارچوب و کلیات مجموعه ، تعاریف اولیه هوش مصنوعی و داده کاوی
• نصب پایتون، ریاضیات در پایتون، تعریف متغیر، حلقه ها و شرط ها
• کار با داده لیست و متن، مثال مقدماتی پایتون
• تابع در پایتون، کلاس و مفاهیم شی گرایی
• مثال جامع و پیشرفته در پایتون
2️⃣فصل دوم – مباحث آماری و ریاضی مهم در داده کاوی
• ماتریس در پایتون با ماژول numpy، توزیع های احتمالی، نمودارهای پرکاربرد
• مثال تحلیل نمرات دانش آموزان، استفاده ازnumpy و ابزارهای ترسیم
• بررسی IDE های مختلف (محیط های برنامه نویسی، اسپایدر، pycharm، ژوپیتر، آناکوندا...)
• کواریانس، کورلیشن، احتمالات ساده و شرطی، مثال تحلیل خریداران و بازدید کننده های سایت
• معرفی ماژول pandas و کار با دیتافریم های آن
• سیستم های پیشنهاد دهنده، پروژه پیشنهاد دهنده فیلم به کاربر
3️⃣فصل سوم - یادگیری ماشین، قسمت اول
• آشنایی با یادگیری ماشین و انواع روش های آن (کلاس بندی، خوشه بندی، رگرسیون، کاهش بعد ... )
• کلاس بندی با روش بیزساده (naïve bayes)، پروژه دسته بندی ایمیل ها به اسپم و سالم
• خوشه بندی با روش K-Means، مثال کلاسترینگ دانش آموزان کلاس، مثال تفکیک افراد براساس ویژگی های فیزیولوژی آن ها
• کلاس بندی با روش KNN ،کلاس بندی با روش SVM، پروژه دسته بندی افراد به بیمار قلبی و سالم
4️⃣فصل چهارم – یادگیری ماشین، قسمت دوم
• رگرسیون خطی ، مثال پیش بینی قسمت سهام، پروژه تخمین قیمت خودرو براساس مشخصات آن
• کلاس بندی با logistic regression، مثال دسته بندی تصاویر دیتاست معروف mnist fashion
• کاهش بعد به روش PCA، اعمال pca روی دیتاست mnist fashion
• کاهش بعد به روش ICA، مثال جدسازی قسمت های مرتبط مغز براساس تصاویر fMRI
• کلاس بندی با درخت تصمیم گیری، مثال استخدام افراد براساس مشخصات آن ها، رگرسیون با رندوم فارست (random forest)، مثال تخمین دما با رندوم فارست
• پارامترهای ارزیابی کلاس بندی
5️⃣فصل پنجم – شبکه های عصبی
• تشریح شبکه های عصبی و مفاهیم آن
• مباحث تکمیلی شبکه های عصبی، نصب تنسورفلو و keras
• پروژه تشخیص تومور خوش خیم و بد خیم با استفاده از شبکه عصبی mlp
• مثال کلاس بندی اعداد دیتاست معروف mnist با شبکه عصبی
• استفاده از شبکه عصبی برای رگرسیون، مثال تخمین میزان مصرف سوخت خودرو براساس مشخصات آن با شبکه عصبی، پروژه قیمت گذاری خانه براساس مشخصات خانه با شبکه عصبی
• دسترسی به ضرایب شبکه، آشنایی با تنسوربورد برای نمایش شبکه
6️⃣فصل ششم - یادگیری عمیق
• شبکه های عصبی کانولوشنال ( CNN)
• مثال کلاسبندی تصاویر با استفاده از CNN
• شبکه های عصبی بازگشتی، شبکه های LSTM
• مثال تخمین تعداد پرواز ها با LSTM
• شبکه های مولد تخاصمی (GAN)
• مثال تولید اعداد با شبکه های GAN
برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
1️⃣ فصل اول – برنامه نویسی پایتون
• چارچوب و کلیات مجموعه ، تعاریف اولیه هوش مصنوعی و داده کاوی
• نصب پایتون، ریاضیات در پایتون، تعریف متغیر، حلقه ها و شرط ها
• کار با داده لیست و متن، مثال مقدماتی پایتون
• تابع در پایتون، کلاس و مفاهیم شی گرایی
• مثال جامع و پیشرفته در پایتون
2️⃣فصل دوم – مباحث آماری و ریاضی مهم در داده کاوی
• ماتریس در پایتون با ماژول numpy، توزیع های احتمالی، نمودارهای پرکاربرد
• مثال تحلیل نمرات دانش آموزان، استفاده ازnumpy و ابزارهای ترسیم
• بررسی IDE های مختلف (محیط های برنامه نویسی، اسپایدر، pycharm، ژوپیتر، آناکوندا...)
• کواریانس، کورلیشن، احتمالات ساده و شرطی، مثال تحلیل خریداران و بازدید کننده های سایت
• معرفی ماژول pandas و کار با دیتافریم های آن
• سیستم های پیشنهاد دهنده، پروژه پیشنهاد دهنده فیلم به کاربر
3️⃣فصل سوم - یادگیری ماشین، قسمت اول
• آشنایی با یادگیری ماشین و انواع روش های آن (کلاس بندی، خوشه بندی، رگرسیون، کاهش بعد ... )
• کلاس بندی با روش بیزساده (naïve bayes)، پروژه دسته بندی ایمیل ها به اسپم و سالم
• خوشه بندی با روش K-Means، مثال کلاسترینگ دانش آموزان کلاس، مثال تفکیک افراد براساس ویژگی های فیزیولوژی آن ها
• کلاس بندی با روش KNN ،کلاس بندی با روش SVM، پروژه دسته بندی افراد به بیمار قلبی و سالم
4️⃣فصل چهارم – یادگیری ماشین، قسمت دوم
• رگرسیون خطی ، مثال پیش بینی قسمت سهام، پروژه تخمین قیمت خودرو براساس مشخصات آن
• کلاس بندی با logistic regression، مثال دسته بندی تصاویر دیتاست معروف mnist fashion
• کاهش بعد به روش PCA، اعمال pca روی دیتاست mnist fashion
• کاهش بعد به روش ICA، مثال جدسازی قسمت های مرتبط مغز براساس تصاویر fMRI
• کلاس بندی با درخت تصمیم گیری، مثال استخدام افراد براساس مشخصات آن ها، رگرسیون با رندوم فارست (random forest)، مثال تخمین دما با رندوم فارست
• پارامترهای ارزیابی کلاس بندی
5️⃣فصل پنجم – شبکه های عصبی
• تشریح شبکه های عصبی و مفاهیم آن
• مباحث تکمیلی شبکه های عصبی، نصب تنسورفلو و keras
• پروژه تشخیص تومور خوش خیم و بد خیم با استفاده از شبکه عصبی mlp
• مثال کلاس بندی اعداد دیتاست معروف mnist با شبکه عصبی
• استفاده از شبکه عصبی برای رگرسیون، مثال تخمین میزان مصرف سوخت خودرو براساس مشخصات آن با شبکه عصبی، پروژه قیمت گذاری خانه براساس مشخصات خانه با شبکه عصبی
• دسترسی به ضرایب شبکه، آشنایی با تنسوربورد برای نمایش شبکه
6️⃣فصل ششم - یادگیری عمیق
• شبکه های عصبی کانولوشنال ( CNN)
• مثال کلاسبندی تصاویر با استفاده از CNN
• شبکه های عصبی بازگشتی، شبکه های LSTM
• مثال تخمین تعداد پرواز ها با LSTM
• شبکه های مولد تخاصمی (GAN)
• مثال تولید اعداد با شبکه های GAN
برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
This media is not supported in your browser
VIEW IN TELEGRAM
یادگیری عمیق چیست؟ شبکه های عصبی عمیق چیست؟
یکی از حوزه های بسیار جذاب در هوش مصنوعی که در سال های اخیر بسیار مورد توجه قرار گرفته است، یادگیری عمیق است. اما یادگیری عمیق چیست؟ آیا یادگیری عمیق با یادگیری ماشین متفاوت است؟ ارتباط یادگیری عمیق با شبکه های عصبی عمیق چیست؟
برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت دوره بروید👇
http://yon.ir/aipackage
یکی از حوزه های بسیار جذاب در هوش مصنوعی که در سال های اخیر بسیار مورد توجه قرار گرفته است، یادگیری عمیق است. اما یادگیری عمیق چیست؟ آیا یادگیری عمیق با یادگیری ماشین متفاوت است؟ ارتباط یادگیری عمیق با شبکه های عصبی عمیق چیست؟
برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت دوره بروید👇
http://yon.ir/aipackage
🚨سیستم های پیشنهاد دهنده یا توصیه گرچیست؟
اگر به سایت های مرجع فیلم مثل IMDB سر زده باشید حتما مشاهده کردید، که برای فیلمی که شما جستجو کرده اید، پیشنهاد های دیگری در کنار نشان داده شده است. همین اتفاق در سایت های خرید مثل آمازون (AMAZON) می افتد. این سایت بعد از خرید یا جستجوی شما، براساس انتخاب های قبلی شما یک سری پیشنهادات جدید ارایه می دهد. به صورت حیرت آوری بسیار از این پیشنهاداتی که به شما توصیه شده است، مطابق میل شماست. در این واقع این پیشنهادات توسط سیستمی تحت نام سیستم های توصیه گر انجام می شود. ادامه 👇👇
yon.ir/6oNbN
اگر به سایت های مرجع فیلم مثل IMDB سر زده باشید حتما مشاهده کردید، که برای فیلمی که شما جستجو کرده اید، پیشنهاد های دیگری در کنار نشان داده شده است. همین اتفاق در سایت های خرید مثل آمازون (AMAZON) می افتد. این سایت بعد از خرید یا جستجوی شما، براساس انتخاب های قبلی شما یک سری پیشنهادات جدید ارایه می دهد. به صورت حیرت آوری بسیار از این پیشنهاداتی که به شما توصیه شده است، مطابق میل شماست. در این واقع این پیشنهادات توسط سیستمی تحت نام سیستم های توصیه گر انجام می شود. ادامه 👇👇
yon.ir/6oNbN
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
یادگیری برنامه نویسی و تکنولوژی های روز دنیا pinned Deleted message
Forwarded from Faeze Heydari
سلام
پایگاه داده چهره (Emotional Face Database) از امروز فعال است و به شکل رایگان در اختیار پژوهشگران قرار گرفته است. این پایگاه شامل 290 محرک چهره هیجانی است که چهره را در هفت حالتِ (خنثی، خشم، خوشحالی، ناراحتی، غم، ترس و اشمئزاز) به نمایش می گذارد. میزان هیجانِ همه چهره ها توسطِ بیش از 400 نفر به شکل آنلاین ارزیابی شده و در دسترس است. این ارزیابی هم اکنون نیز برای کاربران فارسی زبان و غیر فارسی زبان ادامه دارد.
لینک وب سایت پایگاه داده چهره: http://e-face.ir/
این پایگاه، در آزمایشگاه محاسبات عصبی شناختی واقع در دانشکده فناوری های نوین پزشکی دانشگاه علوم پزشکی تهران تولید شده است.
لینک وب سایت آزمایشگاه محاسبات عصبی شناختی: http://ncclab.ir/
پایگاه داده چهره (Emotional Face Database) از امروز فعال است و به شکل رایگان در اختیار پژوهشگران قرار گرفته است. این پایگاه شامل 290 محرک چهره هیجانی است که چهره را در هفت حالتِ (خنثی، خشم، خوشحالی، ناراحتی، غم، ترس و اشمئزاز) به نمایش می گذارد. میزان هیجانِ همه چهره ها توسطِ بیش از 400 نفر به شکل آنلاین ارزیابی شده و در دسترس است. این ارزیابی هم اکنون نیز برای کاربران فارسی زبان و غیر فارسی زبان ادامه دارد.
لینک وب سایت پایگاه داده چهره: http://e-face.ir/
این پایگاه، در آزمایشگاه محاسبات عصبی شناختی واقع در دانشکده فناوری های نوین پزشکی دانشگاه علوم پزشکی تهران تولید شده است.
لینک وب سایت آزمایشگاه محاسبات عصبی شناختی: http://ncclab.ir/
Forwarded from یادگیری برنامه نویسی و تکنولوژی های روز دنیا
🚨این مجموعه آموزشی شامل مباحث آموزش برنامه نویسی پایتون از سطح مقدماتی تا سطح متوسط، مباحث داده کاوی، آماری و کار با داده ها، آشنایی و به کارگیری روش های یادگیری ماشین و در نهایت بحث یادگیری عمیق و شبکه های عصبی می باشد. با تکیه بر توضیح مباحث اساسی و مهم در این حوزه ها، در این مجموعه تمامی مباحث همراه با مثال ها و پروژه های عملی و کاربردی ارایه می شود که به علاقه مندان این امکان را می دهد تا بتوانند به صورت تخصصی و با نگاه شغلی آموزش را دنبال کنند.
📮 برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
🎁 جهت بهره مندی از تخفیف 20 درصدی که برای اعضای کانال در نظر گرفته شده است، هنگام تسویه حساب در سایت کد تخفیف ai2019_20 را وارد کنید
📮 برای اطلاعات بیشتر و دیدن ویدیو های نمونه به سایت فروشگاه بروید👇
http://yon.ir/aipackage
🎁 جهت بهره مندی از تخفیف 20 درصدی که برای اعضای کانال در نظر گرفته شده است، هنگام تسویه حساب در سایت کد تخفیف ai2019_20 را وارد کنید