یادگیری چند وظیفه ای (Multi-task Learning):
یادگیری چندوظیفه ای، یکی از روش های جدید یادگیری ماشین است که هدف آن اجرای همزمان چندکار با شبکه های عصبی مصنوعی است. یعنی خروجی شبکه بتواند چندین هدف مختلف را پیش بینی کند. در یادگیری چندوظیفه ای چندین کار یادگیری همزمان حل میشود، یعنی از نقاط اشتراک و تفاوت بین وظایف استفاده میشود. این روش کارایی یادگیری و دقت پیشبینی مدلهای یادگیری ماشین/عمیق را بهبود می دهد. مثلا بتوان یک شبکه عصبی طراحی و آموزش داد که هم بتواند تصاویر در تصاویر MRI هم مکان تومور را مشخص کند و هم بتواند نوع تومور را نیز تشخیص دهد.
هدف از این دوره آموزشی:
هدف این دوره شناخت یادگیری چندوظیفه ای و استفاده از آن در مدل های یادگیری عمیق است. ابتدا مروی روی پایتون و یادگیری ماشین/یادگیری عمیق انجام می شود. سپس، یادگیری چندوظیفه ای با مدل های یادگیری عمیق در پایتون پیاده سازی و آموزش داده می شود. امیدواریم که این آموزش از “بیگ لرن” هم مثل سایر آموزش ها مورد تایید و رضایت شما مخاطبان گرامی قرار گیرد.
بخش اول: مرور کامل پایتون
برنامه نویسی پایتون لازم برای دوره
بخش دوم: مرور یادگیری ماشین/عمیق
یادگیری عمیق/ماشین لازم برای دوره
بخش سوم: یادگیری چندوظیفه ای با مدل های یادگیری عمیق (Deep)
آماده سازی و خواندن دیتاست
پیش پردازش و رقمی سازی دیتاست
تقسیم بندی داده ها به Train-Test
مدل سازی با یادگیری عمیق
یادگیری چندوظیفه ای با مدل های یادگیری عمیق
ارزیابی مدل یادگیری چندوظیفه ای
موارد مرتبط
قیمت 110,000 تومان
اساتید بیگ لرن
دکتری کامپیوتردکترای مهندسی کامپیوتر (گرایش هوش مصنوعی و رباتیکز) هستم. عمده فعالیت من در حوزه یادگیری عمیق، علم داده، پردازش تصویر و پردازش متن با زبان های برنامه نویسی پایتون و جاوا است.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.