توضیحات

مقدمه ای بر شبکه های عصبی و یادگیری ماشین

نام دوره : Introduction to Artificial Neural Network and Deep Learning

پیش نیاز:

• یک مهارت برنامه نویسی اولیه داشته باشید
• درک اساسی از جبر خطی به ویژه مشتق جزئی داشته باشید

توضیحات:

یادگیری ماشینی یک زمینه بسیار داغ در هوش مصنوعی و علم داده است.

هیچ شکی وجود ندارد که شبکه های عصبی شناخته شده ترین و پرکاربردترین تکنیک های یادگیری ماشین هستند.

بسیاری از دانشمندان داده از شبکه های عصبی بدون درک ساختار داخلی آنها استفاده می کنند. با این حال، درک ساختار داخلی و مکانیسم چنین تکنیک‌های یادگیری ماشینی به آن‌ها اجازه می‌دهد تا مسائل را به طور موثرتری حل کنند.

این همچنین به آنها اجازه می دهد تا شبکه های عصبی جدید را برای پروژه های مختلف تنظیم کنند، تغییر دهند و حتی طراحی کنند.

این دوره ساده ترین راه برای درک جزئیات نحوه عملکرد شبکه های عصبی است. همچنین شما را جلوتر از بسیاری از دانشمندان داده قرار می دهد.

دوره مقدمه ای بر شبکه های عصبی و یادگیری ماشین شامل چه مواردی می شود؟

بخش اول

همانطور که در بالا توضیح داده شد، این دوره مستقیماً با یک مثال بصری شروع می شود تا ببیند یک نرون به عنوان اساسی ترین مؤلفه شبکه های عصبی است چیست.

همچنین مدل ریاضی و مفهومی یک نورون را به شما نشان می دهد. پس از یادگیری آسان و ساده بودن مدل های ریاضی یک نرون، خواهید دید که چگونه در عمل به صورت واقعی عمل می کند.

بخش دوم

بخش دوم این دوره اصطلاحات در زمینه یادگیری ماشین، مدل ریاضی نوع خاصی از نورون به نام Perceptron و الهامات از آن را پوشش می دهد. ما جزء اصلی یک پرسپترون را نیز مرور خواهیم کرد.

در قسمت سوم

با شما در مورد فرآیند آموزش و یادگیری در شبکه های عصبی کار خواهیم کرد. این شامل یادگیری توابع مختلف خطا/هزینه، بهینه‌سازی تابع هزینه، الگوریتم نزول گرادیان، تأثیر نرخ یادگیری و چالش‌های موجود در این زمینه بحث می کنیم .

در سه بخش اول این دوره، به نحوه عملکرد یک نورون منفرد (مثلاً پرسپترون) تسلط پیدا می کنید .

این شما را برای قسمت چهارم این دوره آماده می کند.

جایی که ما نحوه ایجاد شبکه ای از این نورون ها را یاد خواهیم گرفت.

خواهید دید که حتی اتصال دو نورون چقدر قدرتمند است. ما تاثیر نورون های متعدد و لایه های متعدد بر خروجی های یک شبکه عصبی را یاد خواهیم گرفت.

مدل اصلی در اینجا یک پرسپترون چند لایه (MLP) است که بهترین شبکه عصبی در علم و صنعت است. این بخش از دوره همچنین شامل شبکه های عصبی عمیق (DNN) است.

در بخش پنجم

این دوره، با الگوریتم Backpropagation (BP) برای آموزش پرسپترون چند لایه آشنا می شویم. تئوری، مدل ریاضی و مثالهای عددی این الگوریتم به تفصیل مورد بحث قرار خواهد گرفت.

تمام مشکلات استفاده شده در بخش های 1-5 طبقه بندی شده هستند، که یک کار بسیار مهم با طیف گسترده ای از برنامه های کاربردی در دنیای واقعی است.

به عنوان مثال، می توانید مشتریان را بر اساس علاقه آنها به یک دسته محصول خاص طبقه بندی کنید.

با این حال، مشکلاتی وجود دارد که نیاز به پیش بینی دارد. چنین مشکلاتی با حالت های رگرسیون حل می شوند.

شبکه های عصبی می توانند نقش یک روش رگرسیون را نیز ایفا کنند.

این دقیقاً همان چیزی است که در بخش 6 دوره مقدمه ای بر شبکه های عصبی و یادگیری ماشین خواهیم آموخت.

ما با یک مثال شهودی از انجام رگرسیون با استفاده از یک نورون منفرد شروع می کنیم. یک نسخه آزمایشی زنده نیز وجود دارد تا نشان دهد چگونه یک نورون نقش یک مدل رگرسیون را بازی می کند.

موارد دیگری که در این بخش یاد خواهید گرفت عبارتند از: رگرسیون خطی، رگرسیون لجستیک (غیر خطی)، مثال‌ها و مسائل رگرسیون، رگرسیون چندگانه،و یک MLP با سه لایه برای حل هر نوع مشکل سرکوب.

بخش آخر این دوره به حل مسئله با استفاده از شبکه های عصبی می پردازد.

ما از Neuroph ، که یک برنامه مبتنی بر جاوا است، برای دیدن نمونه‌هایی از شبکه‌های عصبی در حوزه‌ها و تشخیص کاراکترهای دستی و پردازش تصویر استفاده خواهیم کرد.

اگر قبلاً از نوروف استفاده نکرده اید ، جای نگرانی نیست. چندین ویدیو وجود دارد که مراحل نحوه ایجاد و اجرای پروژه ها در Neuroph را به شما نشان می دهد.

در پایان این دوره، شما درک جامعی از شبکه های عصبی خواهید داشت و می توانید به راحتی از آنها در پروژه خود استفاده کنید. همچنین می توانید بر اساس پروژه خود، عملکرد شبکه های عصبی را تحلیل، تنظیم و بهبود بخشید.

آیا دوره مقدمه ای بر شبکه های عصبی و یادگیری ماشین برای شما مناسب است؟

این دوره مقدمه ای بر شبکه های عصبی است، بنابراین شما مطلقاً به هیچ دانش قبلی در زمینه هوش مصنوعی، یادگیری ماشین و هوش مصنوعی نیاز ندارید.

با این حال، شما نیاز به درک اولیه از برنامه نویسی به خصوص در جاوا دارید تا به راحتی فیلم کدنویسی را دنبال کنید. اگر فقط می‌خواهید مدل ریاضی و فرآیند حل مسئله را با استفاده از شبکه‌های عصبی یاد بگیرید، می‌توانید ویدیوهای کدگذاری را نادیده بگیرید.

دوره مقدمه ای بر شبکه های عصبی و یادگیری ماشین برای چه کسانی است:

• دانشمندان مبتدی داده که علاقه مند به استفاده از شبکه های عصبی مصنوعی و یادگیری عمیق هستند
• دانشمندان داده خبره علاقه مند به گسترش دانش خود در مورد نحوه عملکرد داخلی شبکه های عصبی هستند
• محققانی که می خواهند شبکه های عصبی فعلی و جدید را طراحی و تحلیل کنند