درس مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق
5.86K subscribers
5 photos
75 videos
213 files
109 links
محتوای درس 📖
《مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق》

:شامل 📎
فیلم جلسات درس 📽
تمرین‌ها 📝
فیلم‌های آموزشی💡
زبان برنامه‌نویسی پایتون▫️
چارچوب‌های برنامه‌نویسی▫️
آموزش حل تمرین‌ها▫️

دکتر احمد کلهر🔹
دانشکده برق و کامپیوتر🔹
دانشگاه تهران🔹
Download Telegram
جلسه سی ام. فصل هفتم.#پاییز ۱۴۰۱
اسلایدهای فصل هفتم
NNDL-HW6.rar
6.4 MB
تمرین ششم

دستیاران طراح: سعید محمدی، عباس بدیعی

فایل شامل: شرح تمرین + دیتاست‌

#تمرین #پاییز_1401
از جناب آقای میلاد رئیسی (از دستیاران درس) بابت طراحی این لوگو و همینطور از جناب آقای رضا دهقانی (از دستیاران ارشد درس) بابت پیشنهاد تغییر لوگوی کانال سپاسگزارم.🌺🌺
انتشار محتوای پاییز 1401 درس شبکه‌های عصبی مصنوعی و یادگیری عمیق در این جا پایان می‌پذیرد.
برای همگی مخاطبان، آرزوی موفقیت دارم.

دستیاران ارشد
رضا دهقانی - کیمیا علوی ( برنامه ریزی محتوای تکالیف و ارائه ها، زمان بندی تقویم درس)

تیم دستیاران دوره پاییز 1401:
- امیراحمد دوانلو - دانیال سعیدی ( تمرین اول، MLP )
- امین محمد محمدی - شهلا دانشی ( تمرین دوم، CNN )
- مجتبی امیری - محمد نیلی ( تمرین سوم، RCNN )
- محمد سپهری - امین شیخ زاده ( تمرین چهارم، RNN )
- میلاد رئیسی - سیاوش شمس ( تمرین پنجم، Transformers )
- عباس بدیعی - سعید محمدی دشتکی ( تمرین ششم، GAN )
- سیاوش رزمی ( تمرین اضافه، Fraud Detection )
- سجاد علیخانی ( تمرین اضافه، Liveness Detection )
- مصطفی حاجی قاسملو ( تمرین اضافه، OCR )
- مائده طوسی ( طراحی و مدیریت محتوای صفحه وب درس )

https://dnn-ut.github.io/

#پاییز1401
محتوای درس در ترم بهار 1402
1. Introduction
Natural Neural Networks
Artificial NNs and Applications
Architectures, Activation Functions and Learning in ANNs
Mcculloch & Pitz Neuron
2. Fully Connected Neural Networks
Linear Perceptron, AdaLine and MadaLine
Multi-Layer Perceptron (MLP)
Auto-encoders and Restricted Boltzmann Machine
Deep belief networks
3. Convolutional Neural Networks (CNNs)
Convolutional Neural Networks (CNNs)
Developments and Techniques in CNNs
Some popular Architectures (AlexNet, VGG, ResNet, Inception, MobileNet, DenseNet, and EfficientNet)
4. Region based CNNs
CNNs for Object Detection (RCNN, Mask RCNN, YOLO,...)
CNNs for Object Segmentation (UNet, Mask RCNN, ...)
5. Recurrent Neural Networks
Recurrent Neural Network(RNN)
Long Short Term Memory (LSTM)
Gated Recurrent Units(GRU)
Some Extensions
6. Transformers
Attention Mechanisms
Vanilla Transformer
Vision Based Transformers
7. Deep Generative Models
Variational Auto-encoders
Generative Adversarial Networks
Flow-based Deep Generative Models
Diffusion Models
Python.zip
130.5 MB
💡 آموزش زبان برنامه‌نویسی پایتون
📏 سطح مقدماتی

👥 دستیاران
👨‍💻تهیه‌کننده: محمد عبائیانی
👨‍⚖ناظر: مهدی شمیساوی

#HandsOn #Python #Numpy #Pandas  #بهار_۱۴۰۲