آموزش قدم به قدم یادگیری عمیق (ویدئو دانشگاه استنفورد ۲۰۱۶ و ۲۰۱۷)
بسم الله الرحمن الرحیم
سلام به همگی . امروز(امشب؟) من میخوام یکی از بهترین آموزش های یادگیری عمیق کل اینترنت رو معرفی کنم بهتون .
قبلا تو بخش منابع یکسری منابع اصلی و نحوه خوندن رو قرار دادم ولی خب چون حجم مطالب زیاد هست فرصت نکردم کاملش کنم .
امروز اما خیلی اتفاقی خدا لطف کردو فهمیدم دانشگاه استنفورد کلاس یادگیری عمیق امسالش رو رکورد کرده و اونو پخش کرده. نوتهای این کلاس مربوط به سال قبل تو بخش منابع اورده شده
اما خود کلاس اولین باره که داره انجام میشه و کلاسش فوق العاده اس. همه چیزایی که من میخواستم بگم گام به گام تو این کلاس هست.(البته من به هرحال توضیحات خودم رو میدم) و کیفیت تدریس عالی هست.
ابزارهای مختلف مثل Caffeو Torchو Theano هم اینجا بهشون اشاره میشه و توضیح درموردشون داده میشه بصورت مختصر و اطلاعات خیلی خوبی در مورد state of the art و کارهای انجام شده تو این حوزه داده میشه.در یک کلام عالیه!
این کلاس تازه برگزار شده و هنوز در حال اجراس (آخرین کلیپ مربوط به یکی دو هفته پیشه) و بشدت به همه کسایی که میخوان تو این زمینه کار کنن پیشنهاد میکنم این کلیپ ها رو ببینن .
(این کلاس حول آموزش شبکه های کانولوشن و Computer vision میگرده!)
حجم این دوره ۱۰ گیگابایت هست و برای دانلود از گزینه های زیر میتونید استفاده کنید :
آموزش کلاس یادگیری عمیق دانشگاه استنفورد (۲۰۱۶)
دانلود مستقیم از سرور های داخل کشور :
Lecture_2__Data-driven_approach_kNN_Linear_Classification_1
Lecture_3__Linear_Classification_2_Optimization
Lecture_4__Backpropagation_Neural_Networks_1
Lecture_6__Neural_Networks_Part_3___Intro_to_ConvNets
Lecture_7__Convolutional_Neural_Networks
Lecture_8__Localization_and_Detection
Lecture_9__Visualization_Deep_Dream_Neural_Style_Adversarial
Lecture_11__ConvNets_in_practice
Lecture_12__Deep_Learning_libraries
Lecture_13__Segmentation_soft_attention_spatial_transformers
Lecture_14__Videos_and_Unsupervised_Learning
Lecture_15__Invited_Talk_by_Jeff_Dean
برای تماشای آنلاین این دوره در یوتیوب اینجا کلیک کنید .
برای دانلود از طریق تورنت اینجا کلیک کنید.
برای دانلود پاورپوینت ها هم اینجا کلیک کنید (حجم همه با هم تقریبا ۳۰۰ مگ میشه )
برای دانلود زیرنویس انگلیسی بصورت جداگانه هم اینجا کلیک کنید
برای خرید این دوره هم میتونید از اینجا اقدام کنید
آموزش کلاس یادگیری عمیق دانشگاه استنفورد امسال (۲۰۱۷) :
دانلود مستقیم از سرور های داخل کشور :
Lecture_1___Introduction_to_Convolutional_Neural_Networks_for_Visual_Recognition
Lecture_2___Image_Classification
Lecture_3___Loss_Functions_and_Optimization
Lecture_4___Introduction_to_Neural_Networks
Lecture_5___Convolutional_Neural_Networks
Lecture_6___Training_Neural_Networks_I
Lecture_7___Training_Neural_Networks_II
Lecture_8___Deep_Learning_Software
Lecture_9___CNN_Architectures
Lecture_10___Recurrent_Neural_Networks
Lecture_11___Detection_and_Segmentation
Lecture_12___Visualizing_and_Understanding
Lecture_13___Generative_Models
Lecture_14___Deep_Reinforcement_Learning
Lecture_15___Efficient_Methods_and_Hardware_for_Deep_Learning
Lecture_16___Adversarial_Examples_and_Adversarial_Training_
برای مشاهده در یوتیوب اینجا کلیک کنید
برای دانلود زیرنویس اینجا کلیک کنیدsubtitles_CS231n_Deeplearning.ir
پردازش زبان طبیعی سال ۲۰۱۷ (NLP 2017 – Stanford)
کلاس سال ۲۰۱۷ استنفورد در زمینه NLP رو هم میتونید از اینجا دانلود کنید
Lecture_1___Natural_Language_Processing_with_Deep_Learning
Lecture_2___Word_Vector_Representations__word2vec
Lecture_3___GloVe__Global_Vectors_for_Word_Representation
Lecture_4__Word_Window_Classification_and_Neural_Networks
Lecture_5__Backpropagation_and_Project_Advice
Lecture_6__Dependency_Parsing
Lecture_7__Introduction_to_TensorFlow
Lecture_8__Recurrent_Neural_Networks_and_Language_Models
Lecture_9__Machine_Translation_and_Advanced_Recurrent_LSTMs_and_GRUs
Lecture_10__Neural_Machine_Translation_and_Models_with_Attention
Lecture_11__Gated_Recurrent_Units_and_Further_Topics_in_NMT
Lecture_12__End-to-End_Models_for_Speech_Processing
Lecture_13__Convolutional_Neural_Networks
Lecture_14__Tree_Recursive_Neural_Networks_and_Constituency_Parsing
Lecture_15__Coreference_Resolution
Lecture_16__Dynamic_Neural_Networks_for_Question_Answering
Lecture_17__Issues_in_NLP_and_Possible_Architectures_for_NLP
Lecture_18__Tackling_the_Limits_of_Deep_Learning_for_NLP
Review_Session__Midterm_Review
سال ۲۰۱۶ : CS224d: Deep Learning for Natural Language Processing
برای NLP یا همون Natural Language Processing تو حوزه دیپ لرنینگ هم کلاس Cs224d دانشگاه استنفورد( با نام CS224d: Deep Learning for Natural Language Processing ) امسال رو میتونید از این لینک دریافت کنید.حجمش ۳٫۵ گیگ بیشتر نیست.
برای دانلود اسلایدها هم میتونید از اینجا اقدام کنید.
یه نکته مهم :
دانشگاه استنفورد همه لکچرها در این مورد رو قرار نداده.(اموزش شبکه کانولوشن رو هم که بالا لینکش رو داده بودم یکی دوماه نشده از یوتیوب حذف کردن. البته تو یوتیوب هنوز فک کنم باشه که توسط افراد دیگه اپلود شده. هرچند لینک تورنتش بالا اومده)
تعداد جلسات کلاس ۱۶ جلسه هست اما در لینک بالا فقط ۱۰ جلسه اول رو قرار دادن . مابقی جلسات ممکنه تو سایت اختصاصی بچه های دانشگاه استنفورد قرار داده بشه (همون که برای دانلود اسلایدها لینکش رو دادم) . از طرفی همین کلاس مربوط به سال ۲۰۱۵ تو یوتیوب هست (۱۶ جلسه ) که میتونید برید و ببینید. علی الحساب برای لکچر ۱۱ (Advanced Recursive Neural Networks) اما اینجا کلیک کنید
با تشکر از جناب آقای Saeed که تو بخش نظرات یه یادآوری کردن تا این اموزش هم قرار بگیره .
اینم بگم که من به هر حال توضیحات فارسی تو این زمینه رو میدم و دلیل اینکه این مطلب رو گذاشتم بخاطر اینه که اگه کار من طول بکشه کسایی که میخوان تحقیق کنن از لحاظ منابع و… به مشکل برنخورن و کارشون سریعتر پیش بره.
در این بین باز اگه سوال و یا مشکلی دارید بپرسید تا انشالله اگه بلد بودم جواب بدم
التماس دعا
بسیار ممنون که لینک درس رو گذاشتید.
خواهش میکنم. لطفا دقت کنید که لینک آموزش دانشگاه استنفورد که تو بخش منابع اومده مکمل این آموزش ها هست و البته یکسری پیش نیاز هم داره (که اونجا توضیح دادم) ولی کلا خیلی عالیه چون همین مطالب رو ماه ها طول کشید تا من یادبگیرم اونم از منابع مختلف!.
واقعا سپاسگزارم … شما خوب زکات علم را بجا می آورید … شک ندارم در آینده خود نیز نتیجه این مهربانی ها را خواهید گرفت …
خواهش میکنم.
خدا رو شکر که مفید بود 🙂
خیلی ممنون از اینهمه کمک و مهربانی بی دریغ
میشه دقیقا توضیح بدید stat of the art یعنی چی؟
state of the art معادل همون cutting edge هست . پیشرفته هم معنی میده اما تو مقالات معمولا به معنای جدیدترین ,به روز ترین, سطح بالاترین هست. مثلا وقتی میگیم state of the art تو حوزه دسته بندی تصاویر فلان قدر هست یعنی آخرین(تازه ترین) نتیجه بهترین نتیجه بالاترین نتیجه شده فلان .
بقول گوگل : the most recent stage in the development of a product, incorporating the newest ideas and features.
modern, ultra-modern, futuristic, avant-garde, the latest, new, the newest, up to the minute; advanced
سلام .
خواهش میکنم .
انشاالله خدا قبول کنه و تک تک کسایی هم که از این مطالب استفاده میکنن و چیزی یاد میگیرن علمشون رو در اختیار بقیه قرار بدن تا نهایتا کشور پیشرفت کنه.
سلام دوست عزیز
سپاس بابت وبسایتی که ایجاد کردی.
در مورد این ویدئو باید عرض کنم که این ویدئو مربوط به کلاس درس Convolutional Neural Networks for Visual Recognition است.
ویدئو بسیار عالی است، اما برای کسانی که دنبال کار NLP و Speech و … هستند، ممکن هست که مفید نباشه.
مباحثی مثل DBN چندان در این دوره پوشش داده نمیشه.
سلام
فرمایش شما درسته . البته آموزش NLP تو بخش منابع یادگیری داده شده . اما چشم من لینک ویدئو کورس NLP و دیپ لرنینگ دانشگاه استنفورد امسال رو هم میزارم
DBN ها هم الان خیلی کم شده حداقل چیزی که من میبینیم و بجاش شبکه های کانولوشن و RNN خیلی زیاد شدن برای همین تاکید زیادی روش نبود (منم واقعیتش طرفش نرفته بودم )
بابت یادآوری این مطلب باز هم ممنونم
در پناه خدا انشاالله همیشه موفق و سربلند باشید
——–
آپدیت : لینک آموزش در همین پست قرار داده شد کماکان در بخش منابع یادگیری عمیق هم لینکها و … در این رابطه و چیزای دیگه وجود داره.
سلام روز بخیر.
من یه دانش اموز کنکوری ام میشه در مورد این سیستم کمی بیشتر توضیح بدیدواینکه برای من فایل ها دانلود نمیشن؟
با تشکر
سلام .
این مطالب مربوط به دانشجویان ارشد و دکتری هوش مصنوعی و نرم افزار میشه بیشتر اما اگه زبان انگلیسی خوب و وقت کافی برای پشت سر گذاشتن پیش نیازهاش رو داشته باشید مشکلی نیست و میتونید استفاده کنید.
برای دانلود نباید مشکلی باشه . سایت تورنت اکادمی نیاز به یه کلاینت تورنت داره مثل بیت تورنت و بعد دانلود ازش مشکلی نیست.
لینک دیگه هم مربوط به یوتیوب هست که میتونید هم آنلاین ببینید و هم با استفاده از نرم افزار/وب سایتها اون ویدئو ها رو دانلود کنید
سلام خوهشا میشه اموزش استفاده از تورنت اموزش برام بفرستید خواهشا
سلام.
نکته خاصی نداره bittorrent رو دانلود و نصب کنید بقیه اش مشخصه. رو لینک تورنت کلیک کنید بیت تورنت میاد بالا و میتونید دانلود کنید.
سلام
در اولین درس این اسلایدها، لینکی برای آموزش پایتون هست
ولی متاسفانه کلیک می کنم گویا امکان دسترسی نیست
منبع خوبی برای یادگیری پایتون در حوزه ی پردازش زبان می شناسید؟
سلام . بصورت اختصاصی نه .
اما یه لینک اشنایی اولیه با پایتون هست اینجا : http://cs231n.github.io/python-numpy-tutorial/ که خوبه
یه آموزش کامل و جالب هم دیده بودم میگردم پیدا کردم لینکش رو همینجا میزارم.
ولی تا اون زمام بمظرم میاد کورس ایرا هم یه کورس در مورد پایتون داشت اونو یه سرچ کنید حتما
ممنونم، لطف می کنید
ان شاالله بتونید اون لینکه هم زودتر پیدا کنید
سلام
خیلی ممنون از راهنمایی های عالیتون در این پست.
میخواستم بپرسم lecture1 دانشگاه استفورد رو ندارین؟ چون تو این لینک تنها از lecture 2 تا ۱۵ هست؟
با تشکر
سلام
خواهش میکنم
نه تاجایی که من یادمه لکچر ۱ هیچوقت اپلود نشد. برای همین من هم ندارمش.
سلام
ببخشید بنده یه اشکالی داشتم
اگه زحمتی نباشه میشه مختصری در مورد lecture2 با عنوان image classification pipelin توضیح بدین؟
مهمترین سوالم مربوط میشه به نحوه ی تشخیص تفاوت بین دیتای تست و دیتاهای train شده برای کلاس بندی تصویر…که در این اسلایدها L1 وL2 روگفته و فرمولی هم برای محاسبشون نوشته ولی دقیق متوجه نشدم کدوم فاصله منظورشون هست؟
ممنون میشم راهنمایی کنید.
سلام
تو این لکچر یکسری روش اولیه که ممکنه به ذهن کسی برسه برای دسته بندی تصاویر گفته میشه و ناکارآمدی هرکدوم مشخص میشه. تا اینکه برسیم به شبکه کانولوشن نهایتا (البته در این الکچر نه.)
در مورد L1 و L2 هم گفته که دوتا از روشها برای مشخص کردن میزان تفاوت بین دو تصویر هستن. کدوم بهتره؟ نمیدونیم. بر اساس هر کاری باید تست کنیم. توضیحی در این مورد در داخل لکچر داده نشده . اما پیشنهاد میکنم این لینک رو حتما ببینید بصورت شهودی اطلاعات خوبی میده از تفاوتهای بین این دو:
http://www.chioka.in/differences-between-the-l1-norm-and-the-l2-norm-least-absolute-deviations-and-least-squares/
خیلی ممنونم از راهنماییتون
ببخشید سوالام کمی زیادن شاید به خاطر تازگی مساله و پیچیدگی!!
پس یعنی تو این لکچر فقط روش ها رو میگه با ایرادایی که دارن درسته؟ و دیگه الآن استفاده ای ازشون نمیشه؟
این روش های اولیه که فرمودین همون Nearest Neighbor classifier و k-Nearest Neighbor classifier هست؟
بعد Linear Classification چطور؟
از Nearest Neighbor و K-NN که هیچوقت برای اینکار استفاده نمیشد یعنی عملی نیست. فقط برای اینکه ایده بده کسی چه چیزهایی ممکنه به ذهنش برسه عنوان شده .
linear classifier ها هم کلا بدرد نمیخورن و استفاده نمیشن.
از بین اینها فقط روشهای مبتنی بر HOG و SIFT و از این دست هستن که واقعا استفاده عملی داشتن و دارن ولی خب اینا هم مشکلات خاص خودشونو دارن.
من پیشنهاد میکنم حتما ویدئوها رو ببینید چون خیلی مطالب رو اینطور از دست میدید اگر بخوایید فقط اسلاید تماشا کنید.
خیلی ممنونم از توضیحاتتون.
تا یک جایی ویدیو رو گوش دادم ولی مثل اینکه باید دوباره گوش بدم.
ممنونم
سلام و عرض احترام خدمت شما
ممنونم از مطالب مفید و عالی شما
سوالی از حضورتان داشتم
برای برطرف کردن بروز خطا در لایه FC باید چه عملیاتی انجام شود؟
آیا باید وزنها اصلاح شود یا موارد دیگر نیز وجود دارد؟
با تشکر از شما
سلام
متوجه نشدم. میشه لطف کنید یکم واضح تر بفرمایید یا با جزییات بیشتر؟
(ترجیح ما اینه تو بخش پرسش و پاسخ سوال کنید که برای همه قابل استفاده بشه )
پیشاپیش خیلی ممنونم
باسلام وعرض احترام
طبق فرمایشون من هرکاری می کنم نمی تونم وارد بخش پرسش و پاسخ بشوم و مجبورم اینجا از شما سوال کنم.
پیشاپیش عذرخواهی می کنم.
منظور بنده این است که وقتی متوجه خطا در لایه FC شدیم چگونه باید متوجه شویم مشکل در کدام لایه و وزن بوده است؟ به عبارت بهتر لطفا جزييات بيشتري در خصوص چگونگي تنظيم وزن لايه هاي مياني بفرمائید.
ممنونم از لطف شما
سلام
مشکلتون در سایت چی بوده ؟ چون چک کردم سایت هیچ مشکلی نداره ظاهرا و کاربرا هم چیزی گزارش ندادن .
وقتی ثبت نام کردید باید روی پرسش کلیک کنید و سوالتون رو بنویسید .
منظور شما ، محاسبه خطا در لایه آخر و چگونگی تنظیم/مجازات هر پارامتر دخیل در رسیدن به اون خطا در لایه های قبلی هست؟ این کار بصورت خودکار توسط الگوریتم بک پراپگیشن انجام میشه . وظیفه این الگوریتم credit assignment هست یعنی هر پارامتر به همون نسبتی که در جواب اخر تاثیر داشته جریمه یا تشویق بشه.
اما اینکه میزان این تاثیر در لایه های مختلف رو باز چطور میشه کم و زیاد کرد این مهم از طریق اعمال ضرایب لایه ها انجام میشه.
اینکه کدوم لایه باید چه ضریبی داشته باشه هم طی سعی و خطا بدست میاد. معمولا تنها لایه های اخر ضریب بیشتر از ۱ دارن و لایه های قبلی ازاد گذاشته میشن تا بصورت معمول پارامترها بروز رسانی بشن. در بعضی موارد هم که دیتاست ها شبیه هم هست همه لایه های قبلی قفل میشن و تنها لایه /لایه های انتهایی مورد اموزش قرار میگیرن.
سلام
واقعا ممنونم از خوبی که در حق ما می کنید و علمتون رو در اختیار دیگران می گذارید
من می خوام ویدیو ها رو سفارش بدم اگر قیمت ها مناسب باشه
لطفا با ایمیلم در تماس باشید
سلام
شما باید از طریق ایمیل یا بخش تماس با ما اطلاعات بیشتری بدید . از بخش کامنت برای اینکار استفاده نکنید
سلام، خسته نباشید من نمیتونم فیلمهای مربوط به NLP رو دانلود کنم، میشه راهنمائیم کنید؟ممنونم
سلام
مشکلتون چیه ؟
ممنون میشم الان بگید چه منبعی خوب است برای یادگیری عمیق باز همین را پیشنهاد میدید؟چون این منبع بنظرم قدیمی شده و سرعت تفییرات زیاد است تو حوزه یادگیری عمیق
سلام .
کماکان برای استارت این آموزش حرف اول رو میزنه . تغییرات در حوزه یادگیری عمیق زیاد هست اما مبانی تغییر نکرده طی این یکسال و در بعضی حوزه ها پیشرفت سرعتش نسبت به ۴ سال اخیر کم شده.
اگه دقت کرده باشید بخش پردازش زبانهای طبیعی مال همین امسال هست (۲۰۱۷)
از طرف دیگه بعد از دیدن این آموزشها میتونید سطح اطلاعات و معلومات خودتون رو از طریق کلیپ های Summer school که در بخش منابع یادگیری لینکش اومده افزایش بدید. اونجا کلیپ ها به ترتیب سالها قرار میگیرن تو بخشهای مختلف.
سلام و وقت بخیر
من برق گرایش کنترل خوندم و حدود سه سال هست که با شبکه های عصبی کار میکنم ولی به تازگی با یادگیری عمیق اشنا شدم و دنبال یک نقطه مناسب جهت شروع مسیر هستم یک دوستی این سایت رو معرفی کرد ولی دقیقا نمیدونم از کجا باید شروع کنم میشه لطفا راهنمایی کنید…
در ضمن اگر در بخش نامناسبی مطرح کردم ببخشید
سلام
اگه با مفاهیم یادگیری ماشین آشنا نیستید آموزش یادگیری ماشین اندرو ان جی رو ببینید
بعد آموزش یادگیری عمیق دانشگاه استنفورد رو ببنید (بعد از خوندن مطالب سایت و اموزشهای شبکه کانولوشن)
بعد هم نوبت یادگیری یک چارچوب برای فعالیت هست.مثل کفی یا تنسورفلو یا تورچ و….
که البته پیشنهاد میشه یک آشنایی اولیه و مختصر با کفی پیدا کنید و بعد روی تنسورفلو سرمایه گذاری کنید.
این خط مشی کلی و اولیه برای شروع هست .
از بخش منابع یادگیری هم میتونید بحثای تکمیلی رو پی بگیرید
سلام. خیلی ممنونم از زحماتتون.
سوالی داشتم. فرق بین دو دوره یادگیری عمیق استنفورد ۲۰۱۶ و ۲۰۱۷ چیه؟ من میخوام ۲۰۱۷ رو ببینم ولی میترسم ۲۰۱۶ چیزی داشته باشه که تو ۲۰۱۷ نباشه.
سلام .
کلاس ۲۰۱۶ از ۲۰۱۷ بنظر من خیلی بهتره .
در کلاس ۲۰۱۷ یکسری موارد جدید مطرح شده اما عمقی بحث نشده . کلاس سال قبل خیلی دقیق و خوب توضیح داده خصوصا که استادش اندره کارپاسی بوده (سال ۲۰۱۷ رو جاستین جانسون با یک دخترخانومی تدریس میکنن)
۲۰۱۶ رو بگیرید تماشا کنید بعد نهایتا بخشایی از ۲۰۱۷ که یکسری مطالب جدید داره رو جداگانه تماشا کنید.
سلام خسته نباشید
۳ تا سوال داشتم
۱- آیا متلب جوابگوی پیاده سازی نیست؟ حتما باید ابزارهای دیگری استفاده کنیم
۲- برای بازشناسی گفتار کدوم آموزش مناسبه (صوت)
۳- کدوم آموزش زیر نویس داره؟
سلام
متلب تو این زمینه خیلی عقبتره . البته نسخه های جدید یکسری قابلیت ارائه کردن اما قابل قیاس با پیشرفت های اخیر نیست
برای شروع بهترین کار انتخاب تنسورفلو یا پای تورچ هست (تنسورفلو باز بهتره) چون پشتیبانی و جامعه کاربری خیلی بزرگی داره و علاوه بر اون اموزش ها و نمونه کارها و مقالات جدید اکثرا پیاده سازی تنسورفلو رو دارن
در این زمینه تو سایت اموزشی نداریم اما سرچ کنید کدها و اموزشهای دیگه وجود داره . (شما میتونید اموزشها رو ببینید تا ایده بگیرید و بعد با سرچهای بعدی تکمیل کنید )
آموزش سال ۲۰۱۶ زیرنویس داره
سلام، خیلی ممنون از زحمات شما. من از فروشگاه دیپ لرنینگ ۲۰۱۷ را سفارش دادم دانشگاه استنفورد را خریداری کردم. اما متاسفانه زیرنویس ندارد. پخش این ویدیوها در یوتیوب زیر نویس دارد. سوالم اینست که از کجا میتوانم زیرنویس های ۲۰۱۷ را دانلود کنم؟
با تشکر
سلام
زیرنویس ها به پست بالا اضافه شدن میتونید دانلود کنید . (اینجا کلیک کنید)
درود
ممنون از اشتراک گذاری
متاسفانه درس سوم کلاس یادگیری عمیق دانشگاه استنفورد با عنوان Lecture_3___Loss_Functions_and_Optimization قابل دانلود کردن نیست.
سلام
هر دو قسمت مربوط به سال ۲۰۱۶ و ۲۰۱۷ رو تست کردم بدون مشکل دانلود شدند.
سپاس
دوباره امتحان کردم مساله رفع شده.
موفق باشید
سلام
زیرنویس پردازش زبان طبیعی سال ۲۰۱۷ (NLP 2017 – Stanford) موجود نیست؟
سلام.
اگه قرار نگرفته یعنی من چیزی پیدا نکردم . اگر چیزی باشه حتما در سایت قرار میگیره.
سلام
ممنون بابت اشتراک گذاری.
سوالی که داشتم اینکه آموزشهای ۲۰۱۶ و ۲۰۱۷ دنباله هم هستند یا اینکه جدا هستند؟
یعنی اول ۲۰۱۶ را ببینیم و بعد ۲۰۱۷؟
سلام/
دنباله هم نیستن . میتونید جداگانه هر کدوم رو ببینید
اما ۲۰۱۶ رو اول ببینید چون توسط کارپاسی تدریس میشه و خیلی جامع تر و بهتر بعضی موارد پوشش داده میشه.
۲۰۱۷ بعضی موارد جدید رو سعی کرده پوشش بده اما مثل ۲۰۱۶ جامع نیست بنظر من.
دیدن هر دوش ضرری نداره اول ۲۰۱۶ رو ببینید بعد میتونید ۲۰۱۷ رو چک کنید و مواردی که بنظر بهتر بیان شدن یا کاملتر هستن رو ببینید
سلام سید
خدا قوت
سلام.سلامت باشید!
سلام من دانلود کردم اینا رو فرمتشون چیه تو هیچ دستگاهی اجرا نمیشن لطفا زودتر جواب بدید
سلام.mp4 هستن
سلام وقتتون به خیر
دوتا سوال داشتم
خواستم ببینم برای من که در نقطه صفر هستم و میخوام وارد دنیای دیپ لرنینگ بشم روال زیر رو توصیه میکنید؟
۱-ابتدا فیلم های ماشین لرنینگ اندرو ان جی–>سپس دوره ماشین لرنینگ دانشگاه استنفورد ۲۰۱۶
۲-برای کسی ک زبانش ضعیف هست و منبع فارسی بخواد هم دوره ماشین لرنینگ دکتر رضوی سپس دوره دیپ لرنینگ دکتر رضوی
و یک سوال دیگه اینکه حتما باید برای ورود به دیپ لرنینگ باید ابتدا ماشین لرنینگ رو بگذرونم؟یا مستقیم هم میشه رفت سراغ دیپ؟
ببخشید سوالاتم زیاد شد.
سلام
من آموزش دکتر رضوی رو ندیدم برای همین نمیتونم توصیه اش کنم اما اگه زبان انگلیسی بلد نیستید اصلا همون اموزش رو ببینید هم خوب باید باشه.
دیپ لرنینگ جدای از یادگیری ماشین نیست شما وقتی قراره تو این زمینه کار کنید باید یکسری از مفاهیم یادگیری ماشین رو بلد باشید.
قرار نیست همه مفاهیم رو بدونید اما برای شروع یکسری مبانی اصلی و پایه رو لازمه یاد بگیرید .
در بعضی از آموزشها ابتدای امر اون مبانی توضیح داده میشه و بعد دیپ لرنینگ بسط و توضیح داده میشه.
اگه اون مفاهیم اولیه رو ندید به احتمال زیاد نتونید اموزش های یادگیری عمیق رو تا انتها پیش برید و متوجه نمیشید داستان از چه قراره و یا استارت کار عملی رو که کزدید با خطا و مشکل مواجه شدید نمیدونید داستان چیه .
شما میتونید یادگیری عمیق رو استارت بزنید هرجا یک مفهوم نا اشنا بود براتون برید سرچ کنید و بخونید . اما معمولا راحت ترید اگه اموزش های پایه ای مثل اندرو ان جی رو اول ببینید . باز انتخاب با خودتونه .
تو یادگیری ماشین اندرو ان جی هم لازم نیست تمامی مباحث رو برید اون ۵ ۶ مبحث اول رو ببینید و تسلط پیدا کنید خوبه .
سلام خسته نباشید
ببخشید زیرنویس nlp 2017 stanford رو اگه امکانش هست بذارید
ممنون
برای nlp یادم نمیاد زیرنویس داده باشن اگر وجود داشته باشه و ببینم حتما قرار میدم.
سلام خسته نباشید ببخشید آموزش های سال ۲۰۱۸ اش موجود نیست؟
ببخشید بنده میخوام یادگیری عمیق رو از پایه (و البته خیلی سریع) یادبگیرم در شبکه عصبی هم زیاد پایه قوی ندارم سایتتون خیلی خوبه فقط من نمیدونم از کجا شروع کنم میشه لطفا راهنمایی کنید که از کدام قسمت سایت شروع کنم و چطور پیش برم؟
ممنون از لطفتون
سلام .
اموزش ۲۰۱۸ پابلیک نشده . اموزش سال ۲۰۱۶ رو ببینید برای شروع خیلی خوبه و استارت خوبی میتونه باشه.
در سایت هم آموزش شبکه های کانولوشن رو استارت بزنید و سه بخش رو بخونید (بعدش میتونید آموزش استنفورد ۲۰۱۶ رو ببینید تا درکش بهتر باشه)
تعاریف کلی یادگیری عمیق هم در پست های ابتدایی سایت هست ببینید شاید خوب باشه. ولی عموما همون اموزش دانشگاه استنفورد برای استارت مناسبه .
با عرض سلام برای شروع یادگیری عمیقDeep Learning Specializationسایت coursera رو ابتدا استفاده کنم یا از همین ویدیو ها استفاده کنم
سلام.
اینو شروع کنید بعد کورس اندرو ان جی رو ببینید بهتره بنظر من.
از cs230 هم اگر منابعی وجود داره بذارید. چه اسلاید چه فیلم. من نتونستم از سایتشون بگیرم جایی هم نبود.
سلام
من متاسفانه اطلاعی ندارم . اگر بعدا چیزی پیدا کردم در سایت قرار میدم.
سلام
کسی بخواد یادگیری ماشین و یادگیری عمیق رو شروع کنه و به یه سطح حرفه ای برسه باید علاوه بر سی پلاس پلاس باید پایتون هم یاد داشته باشه یا نه؟
سلام
هیچ نیازی به یادگیری سی++ وجود نداره.
ولی پایتون رو باید یاد بگیره هرچند پایتون بخودی خود جزو نیازمندی های یادگیری عمیق نیست (از نظر مفاهیم) ولی چون تمامی فریم ورکهای مطرح و اموزشهای موجود از پایتون برای بیان و پیاده سازی مفاهیم استفاده میکنند دونستن زبان پایتون لازم میشه.
برای شروع اطلاعات اولیه از پایتون و سینتکس اون رو بدونید کفایت میکنه در ادامه میتونید به مفاهیم دیگه اش هر وقت نیاز شد بپردازید و یاد بگیرید.
سلام
کسی که بخواد یادگیری عمیق شروع کنه و بعدش حرفه ای یاد بگیره علاوه بر سی پلاس سی پلاس باید پایتون هم بلد باشد یا نه؟
سلام آقای حسن پور
وقتتون بخیر
من برای کار روی text mining میخوام اول یه دوره nlp بخونم.
کلاس دانشگاه استنفورد که اینجا گذاشتین برای امادگی برای deepهست یا nlp رو مستقلا آموزش میده و برای text miningهم مناسب هست؟
خیلی ممنون
سلام آقای حسن پور
وقتتون بخیر
من قصد دارم روی text miningکار کنم و میخواستم اول یه مروری روی nlp داشته باشم
این آموزش NLPدانشگاه استنفورد به عنوان مقدمه ای برای text mining هم مناسب هست یا بیشتر بدرد مقدمه ای برای deepمیخوره؟
سلام
نه اینجا بحث کلا در مورد NLP هست و مقدمه ای هم که از دیپ لرنینگ عنوان میشه در جهت nlp هست. (کورس کورس NLP دانشگاه استنفورده)
برای بحث NLP کورس یادگیری عمیق اندرو ان جی رو هم ببینید برای مقدمه خوبه.
سلام وقت بخیر من موضوع پایان نامه ام در مورد تشخیص اشیا با استفاده از شبکه های عصبی عمیق هست اگر امکان دارد مرا راهنمایی کنید که از چه منابعی استفاده کنم و چگونه پیش برم
سلام.
وقت شما بخیر
معمولا اینجا نمیشه کامل توضیح داد چون من اطلاع کاملی از شرایط شما ندارم.
اما در حالت کلی باید با یک سری مفاهیم یادگیری ماشین آشنا باشید برای این میتونید از اموزش یادگیری ماشین اندرو ان جی استفاده کنید که در سایت قرار دادم.
در گام بعدی باید مفاهیم یادگیری عمیق رو یاد بگیرید . برای اینکار میتونید همین اموزشها رو ببینید بخصوص اموزش سال ۲۰۱۶ که بنظر من بهتره. هرچند ۲۰۱۷ رو هم میتونید ببینید (اگر فکر میکنید تو نسخه ۲۰۱۶ خیلی سریع صحبت میشه)
اموزش یادگیری عمیق کورس ایرا هم هست که توسط اندرو ان جی تدریس میشه. هم میتونید از کورس ایرا ببینید انلاین و هم میتونید از سایت میونیورسیتی دانلود کنید.
آموزش کامل شبکه های عصبی کانولوشن در سایت قرار داره به فارسی آموزش کامل شبکه های عصبی بازگشتی هم انشاءالله بزودی در سایت قرار میگیره. و میتونید اینها رو هم مطالعه کنید علاوه بر منابعی که صحبتش رفت
بعد از اینکه مفاهیم اولیه رو یادگرفتید نوبت به کار با یک فریم ورک یادگیری عمیق هست. پای تورچ و تنسورفلو/کراس پیشنهاد میشه. یک کدوم رو انتخاب کنید (تنسورفلو بیشترین جامعه کاربری و اموزشها رو داره و پای تورچ هم بعد از اون قرار داره)
بعد از این مرحله باید کارهای انجام شده قبلی رو بخونید و بعد ببینید خودتون در کدوم بخشش دنبال نو آوری هستید (اگر قراره داشته باشید)
برای کارهای جدیدترمیتونید از arxiv sanity استفاده کنید.
ضمنا برای سخت افزار هم حتما مطلب “کدام کارت گرافیک برای یادگیری عمیق مناسب هست ” رو بخونید.
سوالی دارید لطفا دقیقتر بپرسید تا بصورت جزئی تر بشه راهنماییتون کرد.
سلام
از منابع مفیدی که در اختیارمون قرار دادید متشکرم. من میخواستم از اموزش سال ۲۰۱۶ استفاده کنم اما متاسفانه بعد از وارد شدن به صفحه دانلود زیرنویس لینک دانلودی وجود نداره، توی اینترنت هم سرچ کردم اما نتونستم تمام زیرنویس ها رو پیدا کنم. ممنون میشم اگر راهنماییم کنید.
سلام
لینک رو تصحیح کردم الان میتونید براحتی دانلود کنید.
سلام
من تازه میخوام درباره دیپلرنینگ سرچ کنم و هیچی ازش نمیدونم و برای کار پایان نامه میخوام ازش استفاده کنم ویدئو هارو نمیتونم دانلود کنم میشه لطف کنید راهنمایی کنید؟ اصلا الان هست؟ یا برشداشتن؟
من باید اول شبکه های عصبی رو یاد بگیرم؟ باید برم کلاس؟
سلام.
بله هنوز میتونید این ویدئوها رو ببینید .
نه لینکها معتبر هستن و اگر لینکی احیانا از کار افتاده باشه بگید دوباره اپلود میشه . (میتونید از اکادمی تورنت دانلود کنید یا از یوتیوب انلاین ببینید)
شبکه عصبی رو بدونید بد نیست اما اگر ندونید هم مهم نیست چون این اموزشها در ابتدا شبکه عصبی رو مرور میکنند و مبانی اون رو معرفی میکنند.
واقعا ممنون از لطفتون
درست شد دارم دانلود میکنم 🙂
سلام من ويدئوهاي ۲۰۱۶ به همراه زيرنويسها را دانلود كردم ولي بعد از نصب playport زيرنويسها اضافه نشدن
سلام.با این پلیر آشنا نیستم با پلیرهای دیگه تست کنید نباید مشکلی داشته باشید.
دو فایل اخر nlp حذف شده lecture 18 و midtrem.
ممنون.
سلام.زیر نویس فارسی این اموژش گذاشته نمیشه ؟
سلام. زیرنویس ها دانلود نمیشن چرا ؟
سلام وقت بخیر… بنده پروژه پایان نامم پیش بینی سطح دریا با استفاده از یادگیری عمیق هست و دیتای مورد نظر من هم بصورت داده های ارتفاعی ماهواره ایه… مقالات کمی تو این زمینه هست اما متوجه شدم که از cnn و rnn و ترکیب این دو استفاده کردن… من با ماشین لرنینگ آشنا هست… و در واقع روش های دیگری که برای مبارزه با اورفیت هست مثل batch normalization و drop out رو هم میشناسم و آشنایی دارم… کارم رو هم با کراس و تنسورفلو به احتمال زیاد می خوام انجام بدم… میخاستم بدونم دوره سال ۲۰۱۷ دانشگاه استنفورد برای من مناسب هست تا با یادگیزی عمیق آشنا بشم؟؟؟ نیازهای من رو براورده میکنه… با تشکر از شما
سلام دوره ۲۰۱۷ دانشگاه استنفورد مباحث ابتدایی و تئوری رو داره .
بنظرمن سال ۲۰۱۶ خیلی بهتر از ۲۰۱۷ هست چون خود اندره کارپاسی توضیح میده و توضیحاتش هم مفصله.
حتما دوره های دیگه رو هم ببینید مثل دوره یادگیری عمیق اندرو ان جی از کورس ایرا (۵ بخشی )
یا دوره اموزش یادگیری عمیق Udacity (تنسورفلو ) .
همه این اموزشها ابتدایی و در بهترین حالت کمی متوسط هستن ولی مشاهده اونها برای شروع ضروریه و شما روی برای استارت کار انشاءالله اماده میکنه.
ببخشید لینک خرید دوره کار نمیکنه؟ من زیر نویس فارسی رو میخواستم
سلام . زیر نویس ها سالم هستن .
زیرنویس فارسی نداریم همه انگلیسی هستند.
خرید دوره هم خیلی وقته متوقف شده مربوط به همون ابتدای کار هست(چند سال پیش) که افراد امکان دانلود نداشتن همه لینکها اینجا هست و میتونید براحتی دانلود کنید.
سلام
زیرنویس های لکچر ۴ و ۷ و ۹ برای سال ۲۰۱۶ داخل فایل موجود نیست
لطفا تصحیح کنید
سلام و ارادتمند و ممنون بابت زحمات بارگذاری مطالب مفید
ببخشید من یک سوال داشتم و اون اینکه موقعی که یک کرنل ۳*۳ کانولوشن روی یک تصویر ۱۰*۲۵۰*۲۵۰ انجام میدیم(۱۰= تعداد عمق ) به ما یک feature با ابعاد ۲۴۸*۲۴۸ میده یا ۱۰ تاfeature map با ابعاد ۲۴۸*۲۴۸؟ منظورم اینکه کانولوشن برای هر بعد ، جداگانه انجام میشه یا اینکه نتیجه کانولوشن تک تک ابعاد در نهایت با هم sum میشن . ممنون
سلام
آموزش شبکه های کانولوشن بخش دوم رو مطالعه کنید جواب این سوالتون رو پیدا میکنید
به ازای هر فیلتر شما یک فیچرمپ خروجی خواهید داشت. (دقت کنید هر فیلتر کانولوشن از چند کرنل تشکیل شده که تعدادشون در حالت عادی برابر با کانال های توده ورودی هست)
بعد هم بخش ابتدایی معماری MobileNet رو ببینید تو درک این مساله احتمالا بهتر بشما کمک میکنه
سلام
ممنون بابت آموزهایی که گذاشتین
بنده تازه میخوام شروع کنم یادگیری عمیق رو البته کارم الان برنامه نویسی هست ولی خوب میخوام وارد یادگیری عمیق بشم پیشنهاد شما برای شروع کردن چی هست؟از کجا شروع کنم؟
دیدن این فیلمها خوبه ا قبلش باید پیش نیاز هایی رو یاد بگیرم؟
ممنون
سلام ببخشید میتونید در مورد کاربرد یادگیری عمیق در تشخیص سکته قلبی کمک کنید من یکسری اصلاحیه دارم برای پایان نامه م ممنون میشم اگر کمک کنید. اگر در تلگرام و یا واتس آپ هستید لطفا منو در جریان بزارید این هم ایدی تلگراممه : tameralane
سلام وتشکر از شماو ببخشید نه لینک های ۲۰۱۶ و نه ۲۰۱۷ دانلود نمیشه و پیام میده که منقضی شده. ممنون میشم در صورت امکان بذارید
سلام. ممنونم که اطلاع دادید .
تا وقتی اون لینکها اصلاح بشن میتونید از یوتیوب استفاده کنید. (ازش دانلود کنید. از سایتهایی مثل فایل گیر میتونید استفاده کنید یا معادل های خارجی )
سلام وقت بخیر
ممنون میشم اگر توضیحات فارسی مربوط به گراف کانولوشن یا شبکه کانولوشن رو محبت کنید؟
سلام
چندتا از عزیزانی که قبلا تو دانشگاه استنفورد تحصیل میکردند فکر میکنم چند سال قبل کلس نوتهای کورس یادگیری عمیق دانشگاه رو به فارسی ترجمه کرده بودن باید تو گروه یادگیری عمیق لینکش باشه یا اگه سرچ بکنید هم احتمالا پیدا کنید.
سلام استاد حسین پور
یک ابزار برای طراحی شبکه cnn میخوام مثل شکل هایی که خودتون میذارید.
یه طراحی شبکه شماتیک شبیه cnn که خودم نوشتم برای مقاله م میخوام . با چی بکشمش؟