-
نکات مهم
-
جلسه اول: اصول اولیه
-
جلسه دوم: Artificial Neural Networks
-
Supervised learning با شبکههای عصبی
-
مروری مختصر بر شبکههای عصبی چندلایه پرسپترون
-
بهینه سازی Objectiv Punctin با استفاده از Gradient Descert
-
محاسبه گرادیان در Pythorch
-
پیادهسازی مدل خطی Regression در محیط Pytorch
-
پیادهسازی شبکه عصبی MLP در محیط Pythorch
-
تمارین جلسه دوم
-
پرسش و پاسخ و رفع اشکال دوم
-
Supervised learning با شبکههای عصبی
-
جلسه سوم: Convolutional Neural Networks
-
مروری اجمالی بر مفاهیم شبکه های عصبی Convolution
-
روش های موثر در آموزش (train) شبکه های عصبی عمیق
-
پیاده سازی شبکه عصبی CNN در محیط Pythorch
-
پیاده سازی شبکه عصبی CNN در محیط Pythorch (1)
-
پیاده سازی شبکه عصبی CNN در محیط Pythorch (2)
-
ارزیابی شبکه عثبی CNN آموزش دیده
-
تمارین جلسه سوم
-
پرسش و پاسخ و رفع اشکال جلسه سوم
-
مروری اجمالی بر مفاهیم شبکه های عصبی Convolution
-
جلسه چهارم: Recurrent Neural Networks
-
نظرسنجی و گواهی
دوره عالی بود
باسلام و احترام
نقاط قوت:
رزومه مدرس دوره عالی بود
از فریمورک پایتورچ استفاده میشد
قابلیتهای پلتفرم تدریس عالی بود
نقاط ضعف:
تعداد ساعات تدریس کم بود
تدریس منسجم نبود و میشد مطالب مفیدتر و به روز تری ارائه داد.
دوره بسیار مفید و آموزنده ای بود. پیگیری برخی مباحث نیاز به اطلاعات قبلی داشت. مدرس عالی بود. به نظرم بهتر بود اعلام می شد که چه پیش نیازی برای این درس لازم هست.
دوره خوبی بود
دورهی مفیدی بود.