پرسش های متداول
#FAQ

⁉️ در کارگاه یادگیری عمیق چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟

💭 در کارگاه یادگیری عمیق سرفصل های مقدماتی و پیشرفته شبکه های عصبی از جمله شبکه های MLP که عموما برای طبقه بندی داده ها و تحلیل داده ها استفاده می شود، شبکه های CNN که معمولا برای طبقه بندی داده های تصویری استفاده میشود و کاربرد وسیعی در بینایی ماشین دارد و همینطور شبکه های عصبی spiking که نوعی از شبکه های عصبی هستند که بیشتر شبیه مدل بیولوزیکی شبکه های عصبی هستند که به عنوان پلی میان علم یادگیری ماشین و علوم اعصاب می باشد مورد بحث قرار خواهد گرفت و سپس در بخش های Hands-on به پیاده سازی پروژه های عملی و برنامه نویسی این شبکه ها می پردازیم تا جایی که بتوانید برای حل مسئله های مختلف این شبکه ها را پیاده سازی کنید. این کارگاه می تواند برای تمامی علاقمندانی که می خواهند به این حوزه ورود پیدا کنند و افرادی که می خواهند مباحث پیشرفته‌ را به خوبی فرا بگیرند مناسب خواهد بود. لازم به ذکر است که این مباحث به زبان فارسی ارائه خواهد شد.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

پرسش های متداول
#FAQ

⁉️ در سمپوزیم یادگیری عمیق چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟

💭 در سمپوزیم یادگیری عمیق مباحث پرکاربرد و نوینی که امروزه در علوم کامپیوتر، علوم اعصاب و علوم شناختی بسیار داغ می‌باشند مورد بحث قرار می‌گیرند. در این سمپوزیم از بهترین سخنرانان که در بهترین دانشگاه‌های دنیا هستند دعوت شده تا بتوانیم دوره‌ای سه روزه را با بالاترین کیفیت برای علاقمندان و فعالان این حوزه برگزار نماییم. هدف از برگزاری سمپوزیم معرفی مطالعات و تحقیقات جدید و همین‌طور رونمایی از آخرین دستاورد‌های بزرگان حوزه یادگیری عمیق برای شرکت‌کنندگان است. سمپوزیم برای تمامی علاقمندانی که می خواهند در این حوزه به پژوهش بپردازند و نیز افرادی که می خواهند از به روز ترین روش ها و الگوریتم ها برای کار تخصصی خود در حیطه های مربوطه استفاده کنند مفید خواهد بود. در واقع این سمپوزیم به عنوان دوره مکمل برای کارگاه یادگیری عمیق برنامه ریزی شده تا شرکت کنندگان کارگاه با شرکت در این سمپوزیم بتوانند بیشترین بازده را بدست آورند. همانگونه که واضح است برخی از سخنرانی‌ها که مربوط به اساتید خارجی است به زبان انگلیسی و مابقی سخنرانی‌ها به زبان فارسی خواهد بود.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

پرسش های متداول
#FAQ

⁉️ در کارگاه یادگیری عمیق چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟

💭 در کارگاه یادگیری عمیق سرفصل های مقدماتی و پیشرفته شبکه های عصبی از جمله شبکه های MLP که عموما برای طبقه بندی داده ها و تحلیل داده ها استفاده می شود، شبکه های CNN که معمولا برای طبقه بندی داده های تصویری استفاده میشود و کاربرد وسیعی در بینایی ماشین دارد و همینطور شبکه های عصبی spiking که نوعی از شبکه های عصبی هستند که بیشتر شبیه مدل بیولوزیکی شبکه های عصبی هستند که به عنوان پلی میان علم یادگیری ماشین و علوم اعصاب می باشد مورد بحث قرار خواهد گرفت و سپس در بخش های Hands-on به پیاده سازی پروژه های عملی و برنامه نویسی این شبکه ها می پردازیم تا جایی که بتوانید برای حل مسئله های مختلف این شبکه ها را پیاده سازی کنید. این کارگاه می تواند برای تمامی علاقمندانی که می خواهند به این حوزه ورود پیدا کنند و افرادی که می خواهند مباحث پیشرفته‌ را به خوبی فرا بگیرند مناسب خواهد بود. لازم به ذکر است که این مباحث به زبان فارسی ارائه خواهد شد.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

پرسش های متداول
#FAQ

⁉️ مدرک کارگاه یادگیری عمیق از کجا صادر میشود، آیا قابل ترجمه است؟

💭 مدارک این دوره از طرف دانشگاه شهید بهشتی صادر خواهد شد و توسط معاونت آموزشی پژوهشکده علوم شناختی و مغز و همینطور دبیر علمی این دوره امضا خواهد شد که این مدرک معتبر بوده و قابل ترجمه می باشد.


⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

❌❌❌❌
آخرین مهلت ثبت نام کارگاه یادگیری عمیق و شبکه های عصبی فردا شب می باشد.
❌❌❌❌
📌 لینک ثبت نام:
https://loopacademy.ir/courses/dl

📢 برای مشاهده پرسش پاسخ های متداول راجع به این دوره #FAQ را در کانال دنبال کنین.

@LoopAcademy

@CMPLab

پرسش های متداول
#FAQ

⁉️ در کارگاه بینایی ماشین چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟

💭 در این کارگاه 20 ساعته در ابتدا به برررسی مفاهیم و کارکرد computer vision و نیز مرور مفاهیم مقدماتی یادگیری ژرف و شبکه های عصبی convolutional و همچنین مفاهیمی همچون عملکرد فیلتر ها و پیش نیاز های مورد نیاز می پردازیم.
سپس به بررسی مدل های pretrained و تکنیک transfer learning و مدل های پیچیده تر و مرسوم مورد استفاده در بینایی ماشین همچون معماری های VGG و ResNet و همینطور معرفی انواع Inception ها و کارکرد آن ها خواهیم پرداخت.
در ادامه این کارگاه به الگوریتم های مورد استفاده در object detection همچون SSD ها و RetinaNet می پردازیم و همچنین پس از آن به سراغ آموزش Neural Style Transfer و Generative Adversarial Networks می رویم.
لازم به ذکر است در این کارگاه علاوه بر آموزش مفاهیم فوق، در بخش های hands on به پیاده سازی و استفاده از مدل های ذکر شده خواهیم پرداخت که در این بخش با کتابخانه های مورد نیاز نیز آشنا خواهید شد.
این دوره برای افراد علاقمند به یادگیریِ بینایی ماشین و ورود به بازار کار تخصصی در حوزه ی ذکر شده و همچنین افرادی که با مفاهیم مقدماتی شبکه های عصبی آشنایی دارند و قصد دارند دانش خود را در زمینه هوش مصنوعی و علوم داده ارتقا دهند مفید خواهد بود.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

‼️ تنها کمتر از 24 ساعت فرصت برای ثبت نام در کارگاه بینایی ماشین باقیست.

⭕️ ثبت نام از طریق وبسایت:
https://loopacademy.ir/courses/cv

❓موضوع و مباحث دوره:
https://t.iss.one/loopacademy/231

❌❌❌
📣 به اطلاع شرکت کنندگان می رساند که لینک ورود به کلاس آنلاین و همچنین فایل های مورد نظر برای بخش های hands-on، پنجشنبه 22 خرداد ماه ساعت 10.5 صبح به ایمیلی که در فرم ثبت نام وارد کرده اید ارسال خواهد شد.

💻 این کارگاه در بستر زوم (zoom.us) برگزار می شود و برای اتصال به کلاس آنلاین نیاز به اتصال از طریق VPN می باشد.

💬 ارتباط با پشتیبانی آکادمی لوپ:
@loop_support

✔️ با ما همراه باشید:
📢 @LoopAcademy

🌐 www.loopacademy.ir

☎️ 021 - 2591 7391

پرسش های متداول
#FAQ

⁉️ در کارگاه جبرخطی برای یادگیری ماشین چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟

💭 در این کارگاه ۱۸ ساعته، مقدمه ای بر ساختار های جبری را ارائه خواهیم داد و با استفاده از ساختار های جبری معرفی به بیان فضای برداری خواهیم پرداخت، سپس با فاصله گرفتن از مفاهیم محض و پیشروی به سوی مفاهیم کاربردی، اعمال ماتریس ها و نیز انواع ماتریس های خاص را معرفی خواهیم کرد و نحوه محاسبات ماتریسی را در کتابخانه numpy آموزش خواهیم داد. بعد از آن به سراغ تجزیه های ماتریسی خواهیم رفت و تجزیه های LU، QR و چولسکی را معرفی خواهیم کرد و نحوه بدست آوردن این تجزیه ها در پایتون را بیان میکنیم. سپس به سراغ مفهوم مقدار ویژه و بردار ویژه خواهیم رفت و با استفاده از آن تجزیه های پرکاربرد مقادیر منفرد (SVD) , مقادیر ویژه (Eigenvalue) خواهیم پرداخت. بعد از مقدمه کوتا بر آمار چند متغییره خواهیم داشت و نحوه محاسبات ماتریسی را در آن بیان میکنیم. سپس برای عنوان کاربردی هایی از جبر خطی در یادگیری ماشین به مسئله کاهش بعد خواهیم پرداخت و الگوریتم های PCA و LDA را بررسی خواهیم کرد و با یکدیگر مقایسه میکنم و نحوه استفاده از این الگوریتم ها در پایتون را بیان خواهیم کرد. سپس به سراغ مسئله رگرسیون خطی خواهیم رفت و از تجزیه های ماتریسی بیان شده برای حل این مسئله استفاده میکنیم. در قدم آخر، به سراغ ماتریس های با بُعد بالا (تنسور ها) خواهیم رفت و محاسبات تنسوری و الگوریتم های تجزیه تنسوری را بیان میکنیم. سپس با استفاده از یک الگوریتم تجزیه تنسوری به مسئله طبقه عکس ها خواهیم پرداخت.
در این کارگاه کتابخانه های numpy - tensorly - scikit-learn را مورد استفاده قرار میدهیم و دانش ابتدایی از پایتون مورد نیاز کارگاه است. به علاوه دانشی ابتدایی از ماتریس ها و بردار ها بسیار مفید است.
این دوره مختص مهندسان داده است که میخواهند دانشی عمیق تر از نحوه کارکرد الگوریتم های یادگیری ماشین داشته باشند و یا افراد علاقه مند به حوزه یادگیری ماشین که که میخواهند به این حوزه ورود پیدا کنند و الگوریتم های این حوزه را فراگیرند.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

‼️ تنها کمتر از 24 ساعت فرصت برای ثبت نام در کارگاه جبرخطی برای یادگیری ماشین باقیست.

⭕️ ثبت نام از طریق وبسایت:
https://loopacademy.ir/courses/linear-algebra

❓موضوع و مباحث دوره:
https://t.iss.one/loopacademy/255

❌❌❌
📣 به اطلاع شرکت کنندگان محترم می رساند که لینک ورود به کلاس آنلاین نهایتا تا فردا ساعت 10 صبح به ایمیلتان ارسال می شود و در صورت بروز هرگونه مشکل با پشتیبانی آکادمی لوپ در تلگرام در ارتباط باشید.

💬 ارتباط با پشتیبانی آکادمی لوپ:
@loop_support

💻 این کارگاه در نرم افراز Adobe Connect برگزار می شود.

➖➖➖➖➖➖➖➖
@LoopAcademy

پرسش های متداول
#FAQ

⁉️ در کارگاه طراحی محیط های یادگیری تقویتی چه مباحثی را پوشش می‌دهید و این کارگاه برای چه افرادی مناسب است؟

💭 در این کارگاه ۱۸ ساعته، ابتدا مقدمه ای از یادگیری تقویتی گفته خواهد شد که تمام شرکت کنندگان دانش اولیه برای ادامه دوره و طرح مسئله را داشته باشند. در ادامه به انواع مدلسازی پرداخته می‌شود تا دانشجویان محترم بتوانند نسبت به مسئله خود نوع مدلسازی مدنظر خود را انتخاب کنند. در ادامه به انواع محیط‌های یادگیری عمیق اشاره خواهد شد که باز هم هدف گذاری دانشجویان محترم برای مدلسازی مسئله خود راحت تر هدف‌گذاری کنند. در این کارگاه به ابزار های محیط های یادگیری تقویتی مانند OpenAI Gym و Unity Engine هم اشاره خواهد شد. برای قسمت عملی این کارگاه قرار است که یک محیط دلخواه با ابزارهای Unity Engine و OpenAI Gym درست کرده و در نهایت با مدل های Deep Q Network(DQN) آن را تست خواهیم کرد.

👤شرکت در این دوره برای افرادی که مسئله ای دارند که میخواهند آن را با مدل های یادگیری تقویتی حل کنند بسیار توصیه می‌شود! افرادی که دانش اولیه در زمینه های یادگیری ماشین و یادگیری تقویتی دارند به راحتی می‌توانند در دوره شرکت کنند.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.