دوره آموزشی یادگیری عمیق در پایتون با تنسور فلو و کراس

در ابتدای دوره، مبانی یادگیری عمیق، نقش سخت‌افزار (CPU/GPU) و راه‌اندازی محیط اجرایی در Google Colab آموزش داده شد. کار با دیتاست‌های آماده، پیش‌پردازش، نرمال‌سازی و آماده‌سازی داده‌ها برای مدل‌سازی مورد بررسی قرار گرفت. سپس طراحی، آموزش و ارزیابی مدل‌های عمیق شامل معماری‌های Sequential و Functional آموزش داده شد. روش‌های تنظیم پارامترها، کنترل بیش‌برازش با Regularization، Dropout  و Callbacks تشریح گردید. بخش مهمی از دوره به شبکه‌های عصبی کانولوشنی (CNN) و کاربرد آن‌ها در پردازش تصویر اختصاص داشت. استفاده از Data Augmentation، Transfer Learning و Fine-tuning برای بهبود عملکرد مدل‌ها آموزش داده شد. در ادامه تحلیل داده‌های سری زمانی با مدل‌های MLP، CNN و RNN/LSTM ارائه گردید. در بخش تکمیلی نیز مفاهیم NLP، مکانیزم Attention و مدل‌های Transformer با بهره‌گیری از کتابخانه HuggingFace  معرفی و جمع‌بندی شد.