این دوره یک مسیر یادگیری گام به گام را برای شما فراهم می‌کند. با گذراندن این دوره، شما قادر خواهید بود:

• مفاهیم پایه‌ای یادگیری عمیق را درک کنید، از جمله شبکه‌های عصبی، توابع فعال‌سازی، و بهینه‌سازها.
• با کتابخانه‌های پایتون، به خصوص کراس (Keras)، برای ساخت و آموزش مدل‌های یادگیری عمیق آشنا شوید.
• انواع مختلف شبکه‌های عصبی، مانند شبکه‌های عصبی کانولوشن (CNN) برای پردازش تصاویر و شبکه‌های عصبی بازگشتی (RNN) برای پردازش داده‌های متوالی (مانند متن) را یاد بگیرید.
• مدل‌های یادگیری عمیق را برای حل مسائل واقعی، از جمله طبقه‌بندی تصاویر، تشخیص اشیاء، و پردازش زبان طبیعی، پیاده‌سازی کنید.
• داده‌ها را پیش‌پردازش، مدل‌ها را ارزیابی و نتایج را تفسیر کنید.
• از ابزارهایی مانند TensorFlow و Jupyter Notebook برای توسعه‌ی مدل‌ها استفاده کنید.

این دوره شامل بخش‌های مختلفی است که به ترتیب شما را با مفاهیم و ابزارهای یادگیری عمیق آشنا می‌کند:

• بخش 1: مقدمه‌ای بر یادگیری عمیق: معرفی مفاهیم پایه، تاریخچه، کاربردها، و روند کلی یادگیری عمیق.
• بخش 2: پایتون و ابزارهای مورد نیاز: مروری بر پایتون، نصب و راه‌اندازی TensorFlow، Keras، Jupyter Notebook، و سایر ابزارهای ضروری.
• بخش 3: مبانی شبکه‌های عصبی: آشنایی با ساختار شبکه‌های عصبی، لایه‌ها، توابع فعال‌سازی، و آموزش شبکه‌های عصبی.
• بخش 4: کراس (Keras): معرفی کتابخانه‌ی Keras و نحوه‌ی استفاده از آن برای ساخت و آموزش مدل‌ها.
• بخش 5: شبکه‌های عصبی کانولوشن (CNN): یادگیری مفاهیم CNN، طراحی شبکه‌های CNN برای پردازش تصاویر، و پیاده‌سازی مثال‌های عملی.
• بخش 6: شبکه‌های عصبی بازگشتی (RNN): معرفی RNN، انواع RNN (LSTM, GRU)، و کاربرد RNN در پردازش داده‌های متوالی (متن، سری‌های زمانی).
• بخش 7: مدل‌های پیشرفته: آموزش مدل‌های پیچیده‌تر، مانند انتقال یادگیری (Transfer Learning)، و روش‌های مختلف بهینه‌سازی.
• بخش 8: پروژه‌های عملی: پیاده‌سازی پروژه‌های عملی در زمینه‌های مختلف، از جمله طبقه‌بندی تصاویر، پردازش زبان طبیعی، و تشخیص اشیاء.
• بخش 9: ارزیابی مدل و تفسیر نتایج: روش‌های ارزیابی مدل‌ها، سنجش دقت و صحت، و تفسیر نتایج آموزش.
• بخش 10: استقرار مدل: نحوه‌ی استقرار مدل‌های آموزش‌دیده برای استفاده در برنامه‌های کاربردی.

این دوره مزایای متعددی را برای شما به همراه دارد:

• یادگیری عملی: تمرکز بر یادگیری عملی و پیاده‌سازی پروژه‌های واقعی.
• پشتیبانی: دسترسی به پشتیبانی و پاسخ به سوالات از طریق انجمن‌ها و کانال‌های ارتباطی.
• محتوای به‌روز: به‌روزرسانی مداوم محتوای دوره با توجه به پیشرفت‌های جدید در حوزه‌ی یادگیری عمیق.
• پروژه‌های عملی: انجام پروژه‌های عملی برای تقویت مهارت‌های شما و افزودن به رزومه‌تان.
• فلش مموری 32GB: دوره‌ی آموزشی در یک فلش مموری 32 گیگابایتی ارائه می‌شود که امکان دسترسی آسان و آفلاین به محتوای دوره را فراهم می‌کند.