صفحه اصلی / ابزارها / Tensorflow / جلسه چهارم « تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده » کارگروه داده‌های عظیم دانشگاه صنعتی شریف

جلسه چهارم « تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده » کارگروه داده‌های عظیم دانشگاه صنعتی شریف

یکی از دوره های جدید کارگروه کلان داده دانشگاه صنعتی شریف تحت عنوان « تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده » کار خود را آغاز کرده  و انشالله سعی دارد تا بر محتوا سازی و تجمیع اطلاعاتی بصورت ساختار یافته و هدفمند توسط محققین این حوزه بصورت جامع و کامل پیگیری و ارائه های آموزشی و علمی تحقیقاتی را تا رسیدن به سطح مطلوب برگزار نماید. همچنین در نظر داریم کارگاه های آموزشی تعاملی یادگیری ژرف نیز با توجه به سطح دوره در زمان های متواتر برگزار گردد که بنیه عملی حضار نیز افزایش یابد.
جلسه‌ اول که بیشتر به معرفی بحث های مربوط به تحلیل اطلاعات و مفاهیم اصلی و آماده سازی ذهنی برای ورود به بحث تحلیل اطلاعات با رویکرد یادگیری ژرف توسط مهندس علیرضا اخوان پور در تاریخ ششم بهمن ۱۳۹۵ در دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف برگزار گردید.

عناوین جلسه چهارم «تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده» :

– مقایسه چارچوب‌های تحلیل با رویکرد یادگیری ژرف
– مفاهیم گراف محاسباتی
– مقدمات آشنایی با TensorFlow
– مفاهیم اولیه TensorFlow همچون placeholder،variable،session و operation
– بیان و تحلیل یک مسئله ساده با TensorFlow
– آشنایی با TensorBoard و گزارش‌گیری در TensorFlow

فیلم این جلسه در آدرس ذیل و همچنین به زودی در سایت رسمی مکتبخونه نیز موجود می باشد.
فیلم جلسه چهارم تحلیل با رویکرد یادگیری ژرف بربستر کلان داده

در ادامه pdf مربوط به ارائه جلسه چهارم در ادامه آورده شده است:

[bs-embed url=”http://www.slideshare.net/Alirezaakhavanpour/tensorflow-71395844″]http://www.slideshare.net/Alirezaakhavanpour/tensorflow-71395844[/bs-embed]

درباره محمد خالوئی

Avatar

همچنین بررسی کنید

ارائه جلسه اول “تحلیل با رویکرد یادگیری ژرف بر بستر کلان‌داده” کارگروه داده‌های عظیم دانشگاه صنعتی شریف

جلسه اول تحلیل با رویکرد یادگیری ژرف بر بستر کلان‌داده در تاریخ 17 آذر 1395 در دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف برگزار گردید. اسلاید ها و فیلم مربوط به این جلسه را در ادامه مشاهده نمایید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.