| 1 |
جایگاه درس در برنامه درسی دوره |
این دس از دروس اختیاری دوره ارشد ریاضی کاربردی گرایش علم داده است |
| 2 |
هدف کلی |
آشنایی با انواع مختلف ابزارها و معماری‌های شبکه‌های عصبی در حوزه یادگیری عمیق (ژرف) |
| 3 |
شایستگی های پایه |
آشنایی با زبان برنامه‌نویسی پایتون و مفاهیم مقدماتی یادگیری ماشین |
| 4 |
اهداف یادگیری |
آشنایی با مفاهیم یادگیری عمیق و کاربرد عملی آنها |
| 5 |
روش تدریس |
برگزاری جلسات درس به صورت حضوری، همزمان با نمایش کار عملی با کتابخانه‌های معروف حوزه یادگیری عمیق منجمله تنسورفلو و پای‌تورچ.
پاسخ به سوالات و بررسی برنامه ها در کلاس |
| 6 |
وظایف دانشجو |
نتظار می‌رود دانشجویان محترم حضور موثر در کلاس داشته باشند. همچنین تمرین‌ها و پروژه های تحویلی مرتبط را نیز آماده و در صورت وجود اشکال و یا ابهام با استاد یا دستیار درس مطرح نمایند. همچنین، تکالیف و گزارش‌ها را در زمان مقرر تحویل دهند. |
| 7 |
منبع |
1- Deep Learning with Python by François Chollet, Second Edition, 2021
2- Hands On Machine Learning with Scikit-Learn, Keras, and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems-O’Reilly Media, Book by Aurélien Géron, 2022, Part II.
3- Dive into Deep Learning: A free online book that teaches deep neural networks using PyTorch and TensorFlow. |
| 8 |
مواد و امکانات آموزشی |
کلاس دارای ویدئو پروژکتور و کامپیوتر متصل به اینترنت |
| 9 |
نحوه ارزشیابی |
تمرینهای متعدد عملی، آزمونهای کلاسی، ارائه دانشجویان و آزمون پایان ترم |