آموزش یادگیری نظارت‌شده با شبکه‌های عصبی: آکادمی هوش مصنوعی لینکدین - AI-100: 2

دوره "LinkedIn AI Academy AI-100: 2 Supervised Learning with Neural Networks" به بررسی یکی از مهم‌ترین و کمتر شناخته‌شده‌ترین زمینه‌های فناوری، یعنی هوش مصنوعی، می‌پردازد. هوش مصنوعی توانسته است طرز فکر ما درباره تجارت و ... ادامه

3 دانشجو
مقدماتی
LinkedIn
LinkedIn
Ananth Sankar
Daniel Hewlett

Ananth Sankar

+ 1 مدرس دیگر

محتوای دوره
پیش‌نیاز‌ها
درباره دوره
درباره استاد

آنچه در این دوره می‌آموزید

تأثیر شبکه‌های عصبی و یادگیری عمیق در هوش مصنوعی

بکه‌های عصبی طبقه‌بندی خطی ساده، شبکه‌های عصبی کانولوشنال، و یادگیری توالی برای استفاده در مسائل گوناگون

بررسی شبکه‌های عصبی نموداری و چگونگی به‌کارگیری آن‌ها در پیش‌بینی و تحلیل گراف‌های شبکه‌های اجتماعی

توانایی به‌کارگیری معماری‌های شبکه عصبی در پروژه‌های عملی و بهبود مهارت‌های برنامه‌نویسی و مدل‌سازی در زمینه هوش مصنوعی

محتوای دوره

5 فصل 16 جلسه 1:10 ساعت ویدیو
شبکه های عصبی عمیق
شبکه های کانولوشن
دسته بندی کننده های توالی
گراف شبکه های عصبی
نتیجه گیری

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

درباره دوره

دوره "LinkedIn AI Academy AI-100: 2 Supervised Learning with Neural Networks" به بررسی یکی از مهم‌ترین و کمتر شناخته‌شده‌ترین زمینه‌های فناوری، یعنی هوش مصنوعی، می‌پردازد. هوش مصنوعی توانسته است طرز فکر ما درباره تجارت و بسیاری از حوزه‌های دیگر را تغییر دهد، اما سرعت تغییرات آن به‌قدری بالا است که پیگیری آن دشوار شده است. در این دوره، مهندسان برجسته لینکدین، Ananth Sankar و Daniel Hewlett، به بررسی چگونگی تحول شبکه‌های عصبی و یادگیری عمیق در دهه گذشته می‌پردازند و نشان می‌دهند که چگونه این تکنولوژی‌ها امکان پیاده‌سازی برنامه‌هایی که پیش‌تر غیرممکن به نظر می‌رسیدند را فراهم کرده‌اند.

در طول این دوره، شرکت‌کنندگان با برخی از محبوب‌ترین معماری‌های شبکه عصبی آشنا می‌شوند. Ananth و Daniel مباحثی مانند شبکه‌های عصبی طبقه‌بندی خطی ساده، شبکه‌های عصبی کانولوشنال و یادگیری توالی را مورد بحث قرار می‌دهند.

علاوه بر این، مفاهیم پیشرفته‌تری مانند شبکه‌های عصبی نموداری و کاربرد آن‌ها در پیش‌بینی گراف‌های شبکه‌های اجتماعی نیز پوشش داده می‌شود. این دوره به افراد علاقه‌مند به یادگیری اصول و کاربردهای پیشرفته شبکه‌های عصبی کمک می‌کند تا درک بهتری از این حوزه داشته باشند و مهارت‌های خود را تقویت کنند.
 

اطلاعات بیشتر

درباره استاد

Ananth Sankar
Ananth Sankar
1 دوره
3 دانشجو

Ananth Sankar یک مهندس ارشد در لینکدین است. او یک رهبر فناوری با تجربه در پردازش گفتار و متن، یادگیری ماشین، شبکه‌های عصبی، مدیریت توان نمایش، شبکه‌های اجتماعی، و تبلیغات اینترنتی است. او پیش از این در آزمایشگاه‌های صنعتی معتبر مانند AT&T Bell Labs، SRI International، سیسکو، مایکروسافت و گوگل فعالیت کرده است. همچنین در دانشگاه‌های استنفورد، UCLA و UCSC تدریس کرده است. انات مدرک دکترای خود را در مهندسی برق و کامپیوتر از دانشگاه راتگرز دریافت کرده است.

اطلاعات بیشتر

Daniel Hewlett
Daniel Hewlett
1 دوره
3 دانشجو

Daniel Hewlett یک مهندس ارشد هوش مصنوعی در لینکدین است. او در حوزه‌های مختلفی از جمله درک و تولید زبان طبیعی، جستجو، توصیه‌ها، پاسخگویی به سوالات و نظارت بر محتوا فعالیت می‌کند. قبل از پیوستن به لینکدین در سال ۲۰۱۸، او بیش از شش سال در گوگل به عنوان مهندس نرم‌افزار در زمینه هوش مصنوعی کار می‌کرد. دنیل دکترای علوم کامپیوتر خود را از دانشگاه آریزونا دریافت کرده است

اطلاعات بیشتر

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟

بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.