|
|
|
|
|
|
|
یادگیری ژرف
|
توضیحات :
به نام خالق آسمانها و زمین
سرفصل درس یادگیری ژرف (عمیق)
اهداف کلی درس و رئوس مطالب:
-
مقدمه‌ای بر یادگیری ژرف
-
مروری کوتاه بر جبر خطی، احتمالات و تئوری اطلاعات، محاسبات عددی، یادگیری ماشین
-
آموزش برنامه‌نویسی در پایتون
-
شبکه‌های پیش خور ژرف
-
تنظیم و بهینه‌سازی شبکه
-
شبکه‌های کانولوشنی
-
شبکه‌های برگشتی و بازگشتی
-
روش‌شناسی عملی
-
مدل‌های فاکتور خطی در یادگیری ژرف
-
انکودهای خودکار در یادگیری ژرف
-
مدل‌های ساختاری احتمالاتی برای یادگیری ژرف
-
روش‌های مونت‌کارلو در یادگیری ژرف
-
استنتاج تقریبی در یادگیری ژرف
-
مدل‌های مولد ژرف
-
کاربردهای یادگیری ژرف:
-
در تحلیل تصاویر (مانند تحلیل تصاویر پزشکی و تشخیص بیماری‌ها) و بینایی ماشین
-
در متن و توالی‌ها همچون توالی‌های ژنتیکی و گفتاری
-
در پردازش سیگنال
مراجع:
-
Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016.
-
Chollet, Francois. Deep Learning with Python, Manning Publications, 2018.
-
Sejnowski, Terrence J. The deep learning revolution. MIT Press, 2018.
-
Ford, Martin. Architects of Intelligence: The truth about AI from the people building it. Packt Publishing Ltd, 2018.
نحوه ارزیابی:
میان‌ترم: 5 نمره، پایان‌ترم: 7 نمره، تمرین: 3 نمره، پروژه: 5 نمره
ایمیل: sshamekhi@sut.ac.ir
مهلت تعیین عنوان پروژه درسی: تا پیش از 15 آبان ماه
|
|
|
|
|
|