Course catalog

Course duration

Course provider

Topic

Categories

Showing 15,261-15,280 of 17,394 items.

linkedin مقدمه ای بر هوش مصنوعی مولد با GPT (Mitalearn-387988)

  • 1 hours 5 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Jonathan Reichental
درباره این دوره:

ترانسفورماتور 4 از پیش آموزش دیده (GPT-4) نشان دهنده یک جهش در هوش مصنوعی است. این یک موضوع داغ در فناوری و تا حدی در کل جامعه است. به عنوان یک مدل زبان خودرگرسیون، GPT-4 از یادگیری عمیق برای تولید متنی شبیه انسان استفاده می کند. در این دوره، دکتر جاناتان ریشنتال، رهبر فناوری برنده جایزه، بر نقش هوش مصنوعی در تجارت، با تاکید ویژه بر GPT-4 تمرکز می کند. پیشینه و سابقه هوش مصنوعی و OpenAI را دریافت کنید. کاوش کنید که GPT-4 چیست، و همچنین چند نمونه از کاربردهای آن. به طور کلی برخی از چالش ها و محدودیت های GPT-4 و AI را بررسی کنید. به‌علاوه، توصیه‌های عملی در مورد مهارت‌ها و مشاغل در هوش مصنوعی دریافت کنید و مراحل بعدی را که شما و سازمانتان می‌توانید بردارید شناسایی کنید.

datacamp مقدمه ای بر هوش مصنوعی مولد در Snowflake (Mitalearn-447318)

  • 21 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: James Cha-Earley
درباره این دوره:

با استفاده از مجموعه توابع داخلی LLM Snowflake Cortex ساخت برنامه های مبتنی بر هوش مصنوعی را بیاموزید. این دوره عملی به شما می آموزد که مستقیماً در نوت بوک های Snowflake با هوش مصنوعی مولد کار کنید که شامل خلاصه سازی متن، تولید، طبقه بندی، تجزیه و تحلیل احساسات، ترجمه و استخراج پاسخ می شود. برای حل مشکلات واقعی تجاری با استفاده از مدل‌های آماده تولید، گردش‌های کاری هوش مصنوعی چند مرحله‌ای ایجاد خواهید کرد - بدون نیاز به راه‌اندازی زیرساخت یا استقرار مدل.

linkedin مقدمه ای بر هوش مصنوعی و پایداری (Mitalearn-386016)

  • 41 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Amy Luers
درباره این دوره:

بشریت در لحظه ای حساس است. برای جلوگیری از بدترین تأثیرات تغییرات آب و هوایی و از دست دادن تنوع زیستی، جامعه باید از رشد کربن فشرده و کاهش دهنده منابع ما دور شود - در مقیاس و سرعتی بی سابقه. در این دوره آموزشی، امی لورز، مدیر ارشد جهانی علوم و نوآوری پایداری در مایکروسافت، توضیح می‌دهد که چگونه هوش مصنوعی می‌تواند به دستیابی به مقیاس و سرعت تغییرات مورد نیاز برای دستیابی به اهداف پایداری جهانی مانند انتشار خالص صفر و در عین حال محافظت و احیای طبیعت کمک کند. او فرصت‌ها و چالش‌های استفاده از ابزارهای هوش مصنوعی را برای تسریع پیشرفت پایداری و آنچه برای استفاده کامل از پتانسیل آنها لازم است را تشریح می‌کند. بیاموزید که چگونه هوش مصنوعی می تواند به کاهش انتشار کربن، گسترش دسترسی به انرژی های تجدیدپذیر، کاهش ضایعات و افزایش توانایی حفاظت از تنوع زیستی کمک کند. به علاوه، بیاموزید که چگونه اطمینان حاصل کنید که هوش مصنوعی به طور مسئولانه توسعه یافته و به کار گرفته شده است تا بتواند هر فرد و سازمانی را برای تسریع پیشرفت پایداری خود توانمند کند.

coursera مقدمه ای بر هوش مصنوعی و یادگیری ماشین در GC - Español (Mitalearn-318934)

  • 2 hours 52 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

این برنامه، ارائه خدمات هوشمند مصنوعی (IA) و Aprendizaje Automático (AA) در Google Cloud است که می‌تواند اطلاعات مربوط به IA را در گزارش‌های پایه‌های IA، el desarrollo de la IA و راه‌حل‌های IA، پذیرفته باشد. برای ایجاد مدل‌های کانال‌های AA، کاوش در فناوری‌های مختلف، محصولات و محصولات موجود برای ایجاد مدل‌های کانال‌های AA، به‌عنوان برنامه‌های IA ژنراتیو در عملکردهای مختلف، اهداف los usuarios، como de cienterosarios. د IA.

coursera مقدمه ای بر هوش مصنوعی و یادگیری ماشین در GC - 日本語版 (Mitalearn-319036)

  • 2 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

هوش مصنوعی このコースでは、予測 AI と生成 AI および機械学習(ML)サービスについて紹介します。AI هوش مصنوعی の基盤、開発 へのライフサイクル全体で利用可能なテクノロジー. 説明するとともに、魅力的な学習体験と実践的なハンズオン演習を通 サイエンティスト、AI 開発者、ML エンジニアの方々がスキルや知識を強化でき るようサポートすることを目指しています.

coursera مقدمه ای بر هوش مصنوعی و یادگیری ماشین در گوگل ابری (Mitalearn-317557)

  • 2 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

این دوره، پیشنهادات هوش مصنوعی (AI) و یادگیری ماشین (ML) را در Google Cloud معرفی می کند که از چرخه عمر داده به AI از طریق پایه های AI، توسعه AI و راه حل های AI پشتیبانی می کند. این فن‌آوری‌ها، محصولات و ابزارهای موجود برای ساخت مدل ML، خط لوله ML، و یک پروژه هوش مصنوعی مولد بر اساس اهداف مختلف کاربران، از جمله دانشمندان داده، توسعه‌دهندگان هوش مصنوعی و مهندسان ML را بررسی می‌کند.

coursera مقدمه ای بر هویت ابری (Mitalearn-318543)

  • 1 hours 19 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

مقدمه ای بر Cloud Identity به عنوان محل شروع هر ادمین های جدید Cloud Identity، Identity/Access Management/Mobile Device Management است که سفر خود را برای مدیریت و ایجاد امنیت و بهترین شیوه های مدیریت دسترسی برای سازمان خود آغاز می کنند. این دوره یک هفته‌ای 15 تا 30 ساعته باعث می‌شود که شما برای استفاده از عملکردهای اصلی کنسول مدیریت برای مدیریت کاربران، کنترل دسترسی به سرویس‌ها، پیکربندی تنظیمات امنیتی رایج و بسیاری موارد دیگر مطمئن باشید. از طریق مجموعه‌ای از درس‌های مقدماتی، تمرین‌های عملی گام به گام، منابع دانش Google و بررسی دانش، فراگیران می‌توانند انتظار داشته باشند که این آموزش را با تمام مهارت‌هایی که برای شروع به‌عنوان مدیران جدید Cloud Identity نیاز دارند، ترک کنند. اهداف یادگیری شرکت کنندگان در پایان این دوره قادر خواهند بود: • یک دامنه Cloud Identity برای سازمان یا دامنه شخصی خود ایجاد کنید. • اضافه کردن کاربران به منظور تمرین مدیریت چرخه عمر کاربر. • مجوزهای کاربر را برای به دست آوردن درک درستی از ویژگی های اصلی Cloud Identity تغییر دهید. • دستگاه های تلفن همراه را در ماژول مدیریت Google Mobile اضافه کنید. • برای آشنایی با گزینه های محصول، مجموعه سیاست های مدیریت تلفن همراه را اصلاح کنید. • ماژول گزارش ها را پیمایش کنید، و اجرای گزارش ها را تمرین کنید. • پروتکل های امنیتی مختلف را در دامنه کاوش و اعمال کنید. مهم - قبل از ثبت نام، باید آماده باشید: • برای 14 روز آزمایشی رایگان Cloud Identity ثبت نام کنید. باید اطلاعات روش پرداخت را وارد کنید. اگر می‌خواهید نمونه Cloud Identity خود را در پایان آموزش پایان دهید و از کسر هزینه اجتناب کنید، گام به گام به شما نشان خواهیم داد که چگونه حساب خود را لغو کنید. • یک دامنه جدید بخرید یا از دامنه ای استفاده کنید که قبلاً مالک آن هستید. دامنه ای که استفاده می کنید به عنوان بخشی از آزمایش Cloud Identity گنجانده نشده است.

datacamp مقدمه ای بر وارد کردن داده ها در پایتون (Mitalearn-399820)

  • 39 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hugo Bowne-Anderson
درباره این دوره:

به‌عنوان یک دانشمند داده، باید داده‌ها را پاکسازی کنید، آن‌ها را با هم درگیر کنید، آن‌ها را تجسم کنید، مدل‌های پیش‌بینی‌کننده بسازید، و این مدل‌ها را تفسیر کنید. قبل از اینکه بتوانید این کار را انجام دهید، باید بدانید که چگونه داده ها را به پایتون وارد کنید. در این دوره آموزشی، راه های زیادی برای وارد کردن داده ها به پایتون خواهید آموخت: از فایل های مسطح مانند txt. و .csv. از فایل‌های بومی به نرم‌افزارهای دیگر مانند صفحات گسترده Excel، Stata، SAS و فایل‌های MATLAB. و از پایگاه داده های رابطه ای مانند SQLite و PostgreSQL.

datacamp مقدمه ای بر واردات داده ها در R (Mitalearn-400551)

  • 25 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Filip Schouwenaars
درباره این دوره:

وارد کردن داده ها به R باید ساده ترین مرحله در تجزیه و تحلیل شما باشد. متأسفانه، تقریباً هرگز چنین نیست. داده‌ها می‌توانند در قالب‌های مختلفی از csv. و فایل‌های متنی، فایل‌های نرم‌افزار آماری، پایگاه‌های داده و داده‌های HTML باشند. دانستن اینکه از کدام رویکرد استفاده کنید، کلید شروع تحلیل واقعی است. در این دوره، با یادگیری نحوه خواندن csv. و فایل‌های متنی در R شروع می‌کنید. سپس بسته‌های reader و data.table را برای وارد کردن آسان و کارآمد داده‌های فایل مسطح پوشش می‌دهید. پس از آن، نحوه خواندن فایل های .xls در R با استفاده از readxl را خواهید آموخت.

Related Skills

coursera مقدمه ای بر واقعیت افزوده و ARCore (Mitalearn-304722)

  • 50 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google AR & VR
درباره این دوره:

این کلاس به شما اصول واقعیت افزوده (AR) و نحوه ایجاد یک تجربه AR با استفاده از ARCore را آموزش می دهد. از طریق دوره چهار هفته ای، یاد خواهید گرفت: - نحوه شناسایی انواع مختلف تجربیات AR - ابزارها و پلتفرم های مورد استفاده در چشم انداز AR - چه چیزی AR را "واقعی" می کند - موارد استفاده محبوب برای AR - نحوه ایجاد یک جریان استفاده از AR - تجربیات AR چگونه کار می کنند - ابزارهایی مانند Google Poly و Unity برای ایجاد تجربیات AR - مراحل بعدی برای شروع ساختن یک تجربه AR با استفاده از ARCore و ابزارهای دیگر این دوره مفاهیم پیچیده AR را تجزیه می کند تا درک آنها را آسان کند، در حالی که نکات و دانش متخصصان تیم ARCore Daydream را به اشتراک می گذارد. این دوره برای مبتدیانی که به تازگی با AR یا ARCore شروع کرده اند عالی است.

coursera مقدمه ای بر واقعیت مجازی (Mitalearn-304841)

  • 4 hours 2 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Prof Sylvia Xueni Pan,Prof Marco Gillies
درباره این دوره:

این دوره شما را با واقعیت مجازی (VR) آشنا می کند. این دوره همه چیز را از اصول VR - سخت افزار و تاریخچه VR - تا کاربردهای مختلف VR، روانشناسی واقعیت مجازی و چالش های رسانه به شما آموزش می دهد. این دوره برای افرادی طراحی شده است که به تازگی با VR به عنوان یک رسانه آشنا هستند. ممکن است قبلاً مقداری واقعیت مجازی را تجربه کرده باشید و ممکن است کمی سخت افزار داشته باشید - اما این دوره برای افرادی که هرگز واقعیت مجازی را تجربه نکرده اند و کسانی که سخت افزار زیادی ندارند مناسب است - ما واقعیت مجازی موبایل و همچنین دستگاه هایی مانند Oculus Rift را توضیح خواهیم داد. و HTC Vive. مقدمه ای بر واقعیت مجازی اولین دوره تخصصی در زمینه واقعیت مجازی است. یک زبان آموز بدون تجربه قبلی در واقعیت مجازی و/یا برنامه نویسی بازی می تواند برنامه های کاربردی VR موجود را ارزیابی کند و تا پایان دوره تخصصی، تجربیات/بازی های VR خود را با استفاده از Unity طراحی، آزمایش و پیاده سازی کند.

linkedin مقدمه ای بر وب API (2019) (Mitalearn-186334)

  • 1 hours 1 minutes
  • مبتدی
  • Release date: 9 October 2019
  • Author: Andrew Probert
درباره این دوره: 

 اطلاعات بیشتر از کارشناسان برتر LinkedIn Learning

اصطلاح "API"، بسیار شبیه به "ابر،" اغلب در گفتگوهای فنی معمولی استفاده می شود. با این اصطلاح آشنا هستید - اما در مورد ویژگی های نحوه عملکرد رابط های برنامه نویسی برنامه (API) کمی مبهم است - پس این دوره برای شما مناسب است. به زبان ساده، مربی اندرو پروبرت ملزومات این بخش اصلی توسعه وب مدرن را پوشش می دهد و توضیح می دهد. API ها چیست و چگونه از آنها برای ترکیب سریع داده ها در وب سایت های خود استفاده کنید. اندرو در طول دوره بر مصرف و دریافت داده از API ها تمرکز می کند. او همچنین به اصول اولیه فن آوری ها و مهارت های مرتبط مانند JSON و برنامه نویسی شی گرا می پردازد. ، و نحوه رسیدگی به خطاهایی را که ممکن است هنگام تلاش برای دریافت داده از یک API با آنها روبرو شوید را نشان می دهد.

linkedin مقدمه ای بر ویرایش گفتگوی ویدئویی (Mitalearn-74389)

  • 3 hours 14 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Ashley Kennedy
درباره این دوره:

مقدمه‌ای بر ویرایش گفتگوی ویدیویی تاریخچه گفتگو در فیلم را بررسی می‌کند و گردش کار را برای ویرایش مؤثر صحنه‌های مبتنی بر دیالوگ معرفی می‌کند. اشلی کندی، نویسنده کارکنان، جریان کار را به چهار مرحله تقسیم می‌کند: بازبینی فیلمنامه و فیلم، مونتاژ پایه‌ی پروژه، اصلاح مراحل انتقال و زمان‌بندی، و اضافه کردن کارهای نهایی مانند صدا، افکت‌ها و تصحیح رنگ. او سپس سه مطالعه موردی را با استفاده از اسکریپت هایی با دیالوگ های یکسان ویرایش می کند. اشلی با ترکیب استراتژی‌های ویرایش دیالوگ از دوره با قدرت اجرا، سه برش نهایی کاملاً متفاوت تولید می‌کند.

linkedin مقدمه ای بر ویرایش ویدئو (Mitalearn-65634)

  • 2 hours 53 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Ashley Kennedy
درباره این دوره:

رویکردی مبتنی بر پروژه به جنبه های زیبایی شناختی و فنی ویرایش ویدیو دریافت کنید. اشلی کندی، نویسنده کارکنان، این دوره مقدماتی را با بررسی داستان سرایی و نقش یک ویراستار در آن آغاز می کند. او با استفاده از مثال‌های کلاسیک و معاصر در سینما، «گرامر» ویرایش را بررسی می‌کند و نشان می‌دهد که چگونه تصمیمات یک ویراستار بر احساسات، معنا و پیشرفت داستان تأثیر می‌گذارد. سپس، پس از معرفی کوتاهی بر NLE های اصلی (کاربردهای ویرایش غیرخطی)، او دو پروژه را ویرایش می کند: یک فیلم داستانی کوتاه و یک قطعه مستند به سبک مصاحبه و B-roll. این دوره، هر پروژه را در یک مفهوم گسترده بررسی می کند، گردش کار مناسب را از ابتدا تا انتها نشان می دهد، اما از درس های خاصی از ابتدای دوره استفاده می کند.

coursera مقدمه ای بر یادگیری عمیق (Mitalearn-330749)

  • 6 hours 22 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Geena Kim
درباره این دوره:

یادگیری عمیق تکنیکی است که برای بسیاری از کاربردها، از پردازش زبان طبیعی گرفته تا زیست پزشکی، مورد استفاده قرار می گیرد. یادگیری عمیق می تواند انواع مختلفی از داده ها مانند تصاویر، متون، صدا/صدا، نمودارها و غیره را مدیریت کند. این دوره اصول اولیه DL از جمله نحوه ساخت و آموزش پرسپترون چندلایه، شبکه های عصبی کانولوشن (CNN)، شبکه های عصبی تکراری (RNN)، رمزگذارهای خودکار (AE) و شبکه های متخاصم مولد (GAN) را پوشش می دهد. این دوره شامل چندین پروژه عملی، از جمله تشخیص سرطان با CNN، RNN در توییت‌های بلایا، و تولید تصاویر سگ با GAN است. دانش کدنویسی یا برنامه نویسی قبلی مورد نیاز است. ما در طول دوره به طور گسترده از پایتون استفاده خواهیم کرد. توصیه می کنیم دو دوره قبلی در زمینه تخصصی، مقدمه یادگیری ماشین: یادگیری نظارت شده و الگوریتم های بدون نظارت در یادگیری ماشین را بگذرانید، اما نیازی به آنها نیست. مهارت های ریاضی در سطح دانشگاه، از جمله حساب دیفرانسیل و انتگرال و جبر خطی، مورد نیاز است. برخی از بخش های کلاس نسبتا فشرده ریاضی خواهد بود. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder تصویر لوگوی دوره توسط رایان والاس در Unsplash.

datacamp مقدمه ای بر یادگیری عمیق با Keras (Mitalearn-399157)

  • 49 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Miguel Esteban
درباره این دوره:

یادگیری عمیق اینجاست! این تکنیک برای حل مشکلات پیچیده ای است که با داده های ساختار نیافته و ابزاری باورنکردنی برای نوآوری به وجود می آیند. Keras یکی از چارچوب‌هایی است که شروع به توسعه مدل‌های یادگیری عمیق را آسان‌تر می‌کند و به اندازه کافی همه‌کاره است تا در کمترین زمان مدل‌های آماده برای صنعت بسازید. در این دوره با پیش‌بینی مسیر سیارک‌ها، رگرسیون را یاد می‌گیرید و زمین را نجات می‌دهید، از طبقه‌بندی دوتایی برای تشخیص بین اسکناس‌های واقعی و جعلی استفاده می‌کنید، از طبقه‌بندی چند طبقه برای تصمیم‌گیری اینکه چه کسی کدام دارت را به سمت تخته دارت پرتاب کرده است، استفاده از شبکه‌های عصبی برای بازسازی تصاویر پر سر و صدا و موارد دیگر را استفاده می‌کنید. علاوه بر این، یاد خواهید گرفت که چگونه مدل های خود را در طول آموزش بهتر کنترل کنید و چگونه آنها را تنظیم کنید تا عملکرد آنها را افزایش دهید.

linkedin مقدمه ای بر یادگیری عمیق با OpenCV (Mitalearn-185263)

  • 49 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

یادگیری عمیق شاخه ای نسبتاً جدید و بسیار محبوب از هوش مصنوعی (AI) است که الگوها و بینش ها را در داده ها، از جمله تصاویر و ویدیوها، پیدا می کند. لایه بندی و انتزاع آن به مدل های یادگیری عمیق توانایی هایی تقریباً شبیه انسان می دهد - از جمله تشخیص تصویر پیشرفته. با استفاده از OpenCV - یک نرم‌افزار بینایی کامپیوتری که به طور گسترده مورد استفاده قرار گرفته است - می‌توانید مدل‌های یادگیری عمیق آموزش‌دیده قبلی را روی سخت‌افزار ارزان‌قیمت اجرا کنید و بینش‌های قدرتمندی را از تصاویر دیجیتال و ویدیو ایجاد کنید. در این دوره آموزشی، استاد جاناتان فرناندز با استفاده از ماژول OpenCV شبکه های عصبی عمیق (dnn) شما را با دنیای یادگیری عمیق از طریق استنتاج آشنا می کند. می توانید یک نمای کلی از مفاهیم و معماری یادگیری عمیق داشته باشید و سپس نحوه مشاهده و بارگذاری تصاویر و ویدیوها را با استفاده از OpenCV و Python کشف کنید. جاناتان همچنین نشان می‌دهد که چگونه می‌توان برای تصاویر و ویدیوها طبقه‌بندی کرد، از حباب‌ها (معادل تانسورها در سایر چارچوب‌ها) استفاده کرد و از YOLOv3 برای تشخیص شی سفارشی استفاده کرد.

datacamp مقدمه ای بر یادگیری عمیق با PyTorch (Mitalearn-399021)

  • 58 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Jasmin Ludolf,Thomas Hossler
درباره این دوره:

یادگیری عمیق در همه جا وجود دارد، از دوربین گوشی هوشمند گرفته تا دستیار صوتی یا خودروهای خودران. در این دوره آموزشی، این فناوری قدرتمند را کشف خواهید کرد و یاد خواهید گرفت که چگونه با استفاده از PyTorch، یکی از محبوب ترین کتابخانه های یادگیری عمیق، از آن استفاده کنید. در پایان این دوره، می‌توانید از PyTorch برای حل مشکلات طبقه‌بندی و رگرسیون با استفاده از یادگیری عمیق استفاده کنید.

datacamp مقدمه ای بر یادگیری عمیق در پایتون (Mitalearn-401146)

  • 54 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Dan Becker
درباره این دوره:

یادگیری عمیق تکنیک یادگیری ماشینی است که در پشت هیجان‌انگیزترین قابلیت‌ها در زمینه‌های مختلف مانند روباتیک، پردازش زبان طبیعی، تشخیص تصویر و هوش مصنوعی، از جمله AlphaGo معروف است. در این دوره، دانش عملی و عملی در مورد نحوه استفاده از یادگیری عمیق با Keras 2.0، آخرین نسخه یک کتابخانه پیشرفته برای یادگیری عمیق در پایتون، به دست خواهید آورد.

coursera مقدمه ای بر یادگیری عمیق و شبکه های عصبی با Keras (Mitalearn-330035)

  • 1 hours 13 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Alex Aklson
درباره این دوره:

به دنبال شروع حرفه ای در یادگیری عمیق هستید؟ دیگر نگاه نکنید. این دوره شما را با زمینه یادگیری عمیق آشنا می کند و به شما کمک می کند به بسیاری از سوالاتی که امروزه مردم می پرسند پاسخ دهید، مانند یادگیری عمیق چیست و مدل های یادگیری عمیق چگونه با شبکه های عصبی مصنوعی مقایسه می شوند؟ شما با مدل های مختلف یادگیری عمیق آشنا خواهید شد و اولین مدل یادگیری عمیق خود را با استفاده از کتابخانه Keras خواهید ساخت. پس از اتمام این دوره، فراگیران قادر خواهند بود: • توضیح دهید که شبکه عصبی چیست، مدل یادگیری عمیق چیست و تفاوت بین آنها چیست. • درکی از مدل های یادگیری عمیق بدون نظارت مانند رمزگذارهای خودکار و ماشین های محدود بولتزمن نشان دهید. • نشان دادن درک درستی از مدل های یادگیری عمیق تحت نظارت مانند شبکه های عصبی کانولوشن و شبکه های تکراری. • با استفاده از کتابخانه Keras، مدل ها و شبکه های یادگیری عمیق بسازید.

Suggestions