هیچ دوره ای در سبد خرید شما وجود ندارد
دوره ی شبکه های عصبی بازگشتی در پایتون
شبکه عصبی بازگشتی (RNN) که به آن شبکه عصبی مکرر نیز گفته می شود، نوعی از شبکه عصبی مصنوعی است که در تشخیص گفتار، پردازش زبان طبیعی (NLP) و همچنین در پردازش داده های ترتیبی (Sequential data) استفاده می شود.شبکه های عصبی بازگشتی (RNN) یک لایه بازخورد دارند که در آن خروجی شبکه به همراه ورودی بعدی، به شبکه بازگرداننده می شود. RNN می تواند به علت داشتن حافظه داخلی، ورودی قبلی خود را به خاطر بسپارد و از این حافظه برای پردازش دنباله ایی از ورودی ها استفاده کند. به بیان ساده، شبکه‌های عصبی بازگشتی شامل یک حلقه بازگشتی هستند که موجب می شود اطلاعاتی را که از لحظات قبلی بدست آورده ایم از بین نروند و در شبکه باقی بمانند.
در دوره چه میگذرد؟
در این دوره ابتدا با شبکه های عصبی بازگشتی آشنا میشویم و میبینیم چرا نیاز داریم از شبکه های عصبی بازگشتی استفاده کنیم پس از آن به معرفی مفاهیم اولیه شبکه های بازگشتی،ساختار،انواع،کارکرد و مشکلات این شبکه ها میپردازیم و در ادامه به معرفی long short term memory network ها و ساختار و نحوه عملکرد این شبکه ها میپردازیم و در نهایت با استفاده از پایتون و کتابخانه keras یک شبکه عصبی LSTM برای پیشبینی سهام شرکت IBM پیاده سازی میکنیم.
دوره برای چه کسانی مناسب است؟
تکنولوژی ها و نرم افزار های مورد نیاز:
پایتون ورژن 3 به بالا
Jupyter Notebook
کتابخانه کراس
پیشنیاز های دوره شبکه های عصبی بازگشتی :
برای شروع این دوره نیاز است با زبان برنامه نویسی پایتون آشنا باشید و همچنین مفاهیم اولیه شبکه های های عصبی را بلد باشید.
مزیت این دوره نسبت به سایر دوره های مشابه در بازار:
در این دوره به صورت کامل و خلاصه تمامی مفاهیم مورد نیاز درباره شبکه های عصبی بازگشتی، کاربرد های این شبکه ها و همچنین پیاده سازی این شبکه ها را می آموزید و زمانی کوتاه قادر به پیاده سازی شبکه های عصبی بازشگتی برای مسائل مختلف خواهید بود همچنین در هر زمانی میتوانید سوالات خود را از بنده از طریق شبکه های مجازی و یا ایمیل بپرسید.
سرفصل های آموزش شبکه های عصبی بازگشتی در پایتون :
فصل اول : مقدمه ای بر شبکه های عصبی مصنوعی
فصل دوم : شبکه های عصبی بازگشتی
فصل سوم : Long Short Term Memory Network
فصل چهارم : پیشبینی قیمت سهام IBM در پایتون
در بخش نظرات میتوانید سوالات خود را از استاد دوره به صورت مستقیم بپرسید، همچنین با ارائه پیشنهادات و نظرات خود به ما، ما را در ارتقا کیفیت آموزش ها یاری نمایید.
MohammadN69 دانشجوی دوره
بسیار ضعیف بود، بیشتر شبیه روخوانی از یک متن بدون تشریح و توضیح بود، کدها خوب توضیح داده نشده بود
pmsmasoud دانشجوی دوره
ضمن خدا قوت به مدرس دوره من این دوره رو تهیه کردم و انتقادات زیر را دارم:
به هیچ وجه دوره ارزشی به قیمت 99 هزارتومن را ندارد به این دلیل که مطالبی که گفته شد بسیار سطحی بود و درمورد مسائل بسیار مهم شبکه عصبی مثل توابع فعال ساز و تابع اتلاف خیلی کم و سطحی توضیح داده شده بود و متاسفانه در هنگام پیاده سازی هم صرفا یکسری کد های اماده با توضیحات بسیار کلی آورده شده بود که فقط و فقط میتوانست یک دیدکلی به بیننده بدهد نه اینکه آموزشی رو بدهد که بعد از آن بتوان یک شبکه عصبی به تنهایی پیاده سازی کرد اگرچه بیان مدرس بسیار خوب و شیوا بود ولی خود ایشان هم خیلی از مباحث را مسلط نبودن
sayeh.kargari مدرس دوره
سلام ممنون از نظرتون
بله دوره بیشتر جهت آشنایی کلی بود و وارد جزییات نشده بود
حتما در دوره های بعدی به نکاتی که فرمودین توجه میکنم.
topology دانشجوی دوره
ممنون از اآموزش خوب شما….
soheylakazemi
ممنون از شما دوست عزیز که با کامنتاتون به ما انرژی میدید
اخمد مرادی
از این آموزش ها بازم بذارید، خیلی بهش نیاز داریم
sayeh.kargari مدرس دوره
چشم حتما ممنون از شما
سارا اکبری
ممنون از اموزش خوبتون
sayeh.kargari مدرس دوره
ممنون از شما