آموزش مقدماتی پیاده سازی شبکه های عصبی مصنوعی در پایتون Python

شبکه عصبی مصنوعی چیست؟ شبکه عصبی مصنوعی (Artificial Neural Network) که در واقع یک مدل‌سازی از مغز است، کاربردهای زیادی در علم و صنعت دارد. به عنوان مثال، سیستم تشخیص هویت گوشی‌های موبایل، خودرو‌های خودران و یا نرم‌افزارهای تغییر چهره و سن، از شبکه‌های عصبی مصنوعی استفاده می‌کنند. ما نیز در این فرادرس، به آموزش انواع شبکه‌های عصبی و پیاده‌سازی آن‌ها به کمک زبان برنامه‌نویسی پایتون (Python) پرداخته‌ایم. اهمیت یادگیری پیاده‌سازی شبکه‌های عصبی مصنوعی در پایتون (Python) چیست؟ این فرادرس شامل چهار درس است که در ابتدای هر درس، مباحث تئوری و ریاضیات مربوط به آن گفته شده و سپس به پیاده‌سازی آن‌ها به کمک زبان پایتون پرداخته می‌شود. در این آموزش، شبکه‌های عصبی به دو روش پیاده‌سازی می‌شوند، روش اول پیاده‌سازی بدون استفاده از کتابخانه‌های آماده است که به شما کمک می‌کند تا شبکه‌های عصبی را به صورت عمیق‌تر یاد بگیرید. پیاده‌‌سازی شبکه‌های عصبی بدون استفاده از کتابخانه‌های آماده، نقطه تمایز این آموزش با دیگر آموزش‌ها محسوب می‌شود. روش دوم استفاده از کتابخانه‌‌های آماده است که موجب می‌شود سریع‌تر شبکه‌ دلخواه خود را بسازید. پیاده‌سازی‌های انجام شده در این آموزش، به صورت پروژه‌محور است. شما در انتهای این آموزش علاوه بر آشنایی با انواع شبکه های عصبی، قادر خواهید بود تا با توجه به نیاز خود، شبکه عصبی مورد نظر را پیاده‌سازی کرده و نتایج کار خود را مشاهده کنید. همچنین این فرادرس شما را آماده می‌کند تا بتوانید با خیالی راحت‌تر و دید مناسب‌تر، به سراغ فراگیری مبحث یادگیری عمیق (Deep Learning) بروید. این فرادرس به تمامی دانشجویان و محققان فعال در رشته‌های مهندسی، مدیریت و بازرگانی توصیه می‌شود. در این فرادرس چه چیزی یاد می‌گیریم؟ آنچه ابتدا در این فرادرس یاد خواهیم گرفت، معرفی شبکه‌های عصبی MLP به همراه انجام یک پروژه عملی به منظور دسته‌بندی ارقام دست‌نویس فارسی به کمک کتابخانه scikit-learn است. همچنین شبکه‌های عصبی انعطاف‌پذیر را مورد بررسی قرار خواهیم داد و انجام یک پروژه عملی به روش لونبرگ-مارکوآرت را در این آموزش با شما مخاطبین گرامی بررسی خواهیم کرد.

فرادرس

اسلام توکلی