پیش‌نیازها

• باید با نوشتن کد در پایتون 3 احساس راحتی کنید.

پروژه

• یک شبکه عصبی از ابتدا با استفاده از پایتون بسازید.

شبکه های عصبی به طور گسترده در برنامه های روزمره مانند خرید آنلاین، پیش بینی آب و هوا و گوشی های هوشمند استفاده می شوند. این دوره توسط ادواردو کورپنو، عملکرد درونی شبکه‌های عصبی در پایتون را آموزش می‌دهد و به شما امکان می‌دهد الگوریتم‌های پشت آن‌ها را کاملاً درک کنید. اگرچه ابزارهای حرفه ای وجود دارد که به شما امکان می دهد شبکه های عصبی را از دیدگاه سطح بالا آموزش دهید، این دوره به شما فرصتی می دهد تا از جزئیات الگوریتم های پشت شبکه های عصبی بهره ببرید. از طریق تمرین‌ها و مثال‌ها، یاد بگیرید که چگونه نورون‌های بیولوژیکی را با عناصر پایتون مرتبط کنید تا شبکه‌های خود را بسازید و آموزش دهید، و دانشی را به دست آورید که می‌تواند به شما در انتخاب معماری شبکه عصبی و روش آموزشی مناسب برای پروژه‌ها و مشکلاتی که با آن‌ها مواجه می‌شوید کمک کند.

این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

 اگر ندانید که واقعاً به کدام یک نیاز دارید، هر ابزار برای چه چیزی مفید است و چگونه همه آنها کار می کنند، داشتن انواع ابزار عالی در اختیار شما مفید نیست. در این دوره، به عملکرد درونی شبکه های عصبی بپردازید تا بتوانید به طور موثرتری با ابزارهای یادگیری ماشین کار کنید. مربی Eduardo Corpeño با ارائه یک سری تمرینات در Python به شما کمک می کند تا به طور مثال یاد بگیرید تا به شما کمک کند تا آنچه را که در داخل می گذرد درک کنید. کشف کنید که چگونه می توان بخش هایی از یک نورون بیولوژیکی را با عناصر پایتون مرتبط کرد، که به شما امکان می دهد مدلی از مغز بسازید. سپس، یاد بگیرید که چگونه یک شبکه بسازید و آموزش دهید، و همچنین یک شبکه عصبی ایجاد کنید که اعداد را از یک نمایشگر هفت بخش تشخیص می دهد. حتی اگر احتمالاً به جای نوشتن کد خود با شبکه‌های عصبی از مجموعه نرم‌افزاری کار خواهید کرد، دانشی که در این دوره کسب می‌کنید می‌تواند به شما در انتخاب معماری شبکه عصبی و روش آموزشی مناسب برای هر مشکلی که با آن روبرو می‌شوید کمک کند.

به شبکه‌های عصبی و شبکه‌های عصبی کانولوشنال، دو مفهوم کلیدی در حوزه یادگیری ماشین نگاهی عمیق بیندازید. در این دوره آموزشی، استاد جاناتان فرناندز مفاهیم اساسی شبکه عصبی عصبی و کانولوشنال را پوشش می دهد. جاناتان با ارائه مقدمه ای بر اجزای شبکه های عصبی، بحث در مورد توابع فعال سازی و انتشار پس زمینه شروع می کند. او سپس به شبکه‌های عصبی کانولوشنال نگاه می‌کند و توضیح می‌دهد که چرا آن‌ها به ویژه در وظایف تشخیص تصویر خوب هستند. او همچنین نحوه ساخت یک مدل شبکه عصبی با استفاده از Keras را بررسی می کند. به علاوه، در مورد VGG16، تاریخچه چالش ImageNet و موارد دیگر بیاموزید.

یک شبکه عصبی مصنوعی از مغز انسان به عنوان الهام برای ایجاد یک سیستم یادگیری ماشینی پیچیده استفاده می کند. آن‌ها می‌توانند میلیون‌ها صدا، ویدیو و تصویر را طبقه‌بندی کنند، به سؤالات ما پاسخ دهند، رفتارهای ما را درک کنند و حتی اتومبیل‌های ما را برانند. شبکه های عصبی همچنین پایه و اساس هوش مصنوعی مولد هستند.

این دوره به معرفی تکنیک ها و اصول اساسی شبکه های عصبی، مدل های رایج و کاربردهای آنها می پردازد. مربی Gwendolyn Stripling شما را از طریق معماری های مختلف شبکه عصبی، اجزای آنها، موارد استفاده مناسب و بهترین شیوه ها برای بهبود عملکرد مدل شبکه عصبی راهنمایی می کند. به علاوه، با استفاده از Keras Sequential API، یک کتابخانه منبع باز که طراحی و آموزش شبکه های عصبی را ابهام می کند، تجربه عملی در ساخت و آموزش یک شبکه عصبی به دست آورید. اگر به دنبال دستیابی به درک کاملی از نحوه ساخت، آموزش، بهبود و استفاده از شبکه های عصبی هستید، در این دوره آموزشی به Gwendolyn بپیوندید.

آیا شما یک متخصص هوش مصنوعی، یک دانشمند داده، یک رهبر کسب و کار، یا کسی هستید که دوست دارید در مورد چگونگی تأثیر هوش مصنوعی بر جهان ما بیشتر بدانید؟ در این دوره آموزشی، استاد دکتر جاناتان ریشنتال شما را با یک موضوع داغ در توسعه هوش مصنوعی آشنا می‌کند: فناوری GPT-3 (ترانسفورماتور پیش‌آموزش‌دهی ژنراتور 3) که توسط Open AI منتشر شده است. رایشنتال نقش فزاینده مهمی را که هوش مصنوعی در تجارت ایفا می کند، توصیف می کند. او تاریخچه مختصری از هوش مصنوعی را پوشش می دهد، سپس در مورد نحوه شروع OpenAI، ماموریت و چشم انداز آن، و منشور منحصر به فرد آن به شما می گوید. رایشنتال مفاهیم اصلی GPT-3، چگونگی افزودن ارزش و تعدادی از چالش ها و محدودیت های آن را مورد بحث قرار می دهد. او آینده هوش مصنوعی را توصیف می کند، سپس با پیشنهاداتی برای گام های بعدی که شما و سازمانتان می توانید نسبت به GPT-3 و AI بردارید، نتیجه گیری می کند.