نوشته‌ها

فیلم های دوره آموزشی تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده در دانشگاه شریف

لازم به ذکر است که فیلم های آپلود شده در حداقل سه کیفیت ۷۲۰p، ۳۶۰p و ۱۸۰p قابل دانلود می باشند.

شماره جلسه موضوعات مطرح شده لینک سایت دسترسی به فایل ها فیلم جلسه
۱ مقدمات فضای تحلیل اطلاعات و بیان ذهنیت اولیه در خصوص یادگیری ماشین و در انتها به سمت یادگیری ژرف و فریمورک ها و کتابخانه های این حوزه پرداخه شده است جلسه اول اسلاید  دانلود فیلم
۲ از صفر شروع به دید دادن در خصوص شبکه های عصبی کردیم و سپس به سمت شبکه های کانولوشنال و اجزای آن و در انتها آماده سازی ذهنیتی در خصوص یادگیری ژرف  انجام شده است. جلسه دوم اسلاید دانلود فیلم
۳ در ادامه جلسه دوم، کمی سعی کردیم مباحث را کامل تر کنیم و روی مباحث مثل گرادیان نزولی و توابع فعالیت و… بحث کنیم و در انتها روی پژوهش های اخیر این حوزه در جهان مقالاتی را شرح مختصر دادیم.  جلسه سوم  اسلاید  دانلود فیلم
۴ در این جلسه شروع به معرفی یکی از کتابخانه های مهم که شرکت گوگل از آن استفاده میکند و نامش TensorFlow (تنسورفلو) بود کردیم و سعی کردیم مقدمات کدنویسی مهیا شود.  جلسه چهارم  اسلاید  دانلود فیلم
۴-۱ در این فیلم آموزشی که تکمیلی بر جلسه چهارم هست، آموزش نصب تنسورفلو در محیط سیستم عامل ویندوز را بیان کردیم. در این فیلم سعی شده تا با استفاده از نصب anaconda  و سپس ایجاد یک محیط اختصاصی با conda و نصب تنسورفلو، بتوانیم به راحتی در محیط ipython و spyder برای استفاده از کتابخانه تنسورفلو آماده شویم.  لینک سایت فایل  دانلود فیلم
۴-۲ در این فیلم آموزشی نیز که تکمیلی بر جلسه چهارم هست، آموزش نصب تنسورفلو در محیط سیستم عامل لینوکس را بیان کردیم. در این فیلم سعی شده تا با استفاده از virtualenv یک پایتون اختصاصی درست کنیم و سپس در آن تنسورفلو را نصب کنیم. همچنین با استفاده از ipython و pycharm و یک سری ide دیگر چند تست ساده را جهت آماده شدن بزنیم.  لینک سایت  –  دانلود فیلم
۵ در این جلسه کاملا تخصصی و کارگاهی چندین مثال عملی از ساده تا نیمه پیشرفته را در محیط تنسورفلو با هم پیش بردیم.  جلسه پنجم فایل  دانلود فیلم
۶ در این جلسه روی مباحث مربوط به شبکه های بازگشتی RNN و LSTM و …. مانور دادیم و مثال هایی در حوزه های پردازش زبان طبیعی (NLP – Text) و همچنین ویدیو بیان کردیم.  جلسه ششم  دانلود فیلم
۷ در این جلسه به صورت تخصصی روی حوزه پردازش متن کار کردیم و ایده و پروژه های عملی که قابلیت اجرا و پیاده سازی در این حوزه داشتند را مانور دادیم.  جلسه هفتم  –  دانلود فیلم
۸ در خصوص مقالات RCNN، FastRCNN، FasterRCNN و YOLO که بیشتر در مباحث شناسایی شیء و … کاربرد دارد بحث شده است  جلسه هشتم اسلاید  دریافت فیلم
۹ آموزش ابتدایی کتابخانه یادگیری ژرف پایتورچ  جلسه نهم اسلایدipython  دریافت فیلم

 

منبع : http://bigdataworkgroup.ir/deep-learning-course-bdwg-sharif-1395

ارائه استخراج اطلاعات متنی با رویکرد یادگیری ژرف | دانشگاه صنعتی امیرکبیر

جلسه هفتم سمینارهای ماهانه یادگیری عمیق در پردازش زبان طبیعی دوشنبه آینده، ۱ آبان، ساعت ۱۲:۱۵ در آمفی تئاتر دانشکده مهندسی کامپیوتر برگزار خواهد شد. در این جلسه آقای یعقوب‌زاده فارغ‌التحصیل دانشگاه مونیخ در مورد موضوع پایان‌نامه دکترای خود با عنوان زیر ارائه سخنرانی خواهند داشت
Deep Learning for Information Extraction

 

دانلود ویس جلسه

 

دانلود فایل ارایه

 

جهت اطلاعات بیشتر از برنامه ارائه‌های انجام شده و ارائه‌های آیتی می‌توانید به لینک زیر مراجعه نمایید
http://nlp.ceit.aut.ac.ir/seminars.html

دوره یادگیری ژرف پژوهشکده مخابرات و فناوری ارتباطات

در گشت و گذارهایی ک داشتیم به دوره پاییزه یادگیری عمیق و کاربردهای آن در همایش طرح جویشگر بومی برخوردیم که بنظرمان مفید آمد خدمت همه مخاطبان ارائه کنیم. فیلم ها به سرورهای آپارات منتقل شدند و در لیست پخش آپارات ام نوت قرار گرفته است.

برای مشاهده همه این ها به لیست پخش مراجعه کنید:
لیست پخش

 

جلسه اول

نصب تنسورفلو (کتابخانه یادگیری ژرف گوگل)

در ابتدای نصب تنسور فلو میبایست فایل whl  نسخه مورد نظر برای استفاده با cpu و یا gpu را از آدرس ذیل دانلود کنید ( اگر با دانلود مشکل داشتید اطلاع دهید تا لینک داخلی بدهیم.)

https://www.tensorflow.org/install/install_linux#the_url_of_the_tensorflow_python_package

سپس با استفاده از یک virtualenv که در آموزش های قبلی (برای مطالعه مطالب روی لینک نصب و استفاده کلیک کنید و ابتدا آن را مطالعه کنید) ساختید آن را توسط راهنمایی های لینک ذیل نصب کنید

https://www.tensorflow.org/install/install_linux#installing_with_virtualenv

درواقع باید پس از دانلود با استفاده از کامند ذیل عمل کنید:

پس از فعال کردن  virtualenv مورد نظر :

source mnote-virtualenv/bin/activate

pip install tensorflow-1–yourspecificnote-version

به همین راحتی!