فیلم و فایلهای دوره آموزشی یادگیری ژرف | مدرس : دکتر محمد علی کیوان راد
درسی تحت عنوان یادگیری ژرف در پاییز ۱۳۹۶ در دانشگاه صنعتی مالک اشتر توسط دکتر محمدعلی کیوان راد ارائه شده است. در این دوره سعی شده اکثر جوانب این حوزه پوشش داده شود. در ادامه سعی شده بخشبندی های این دوره درسی به تفکیک آورده شود.
همه فیلم ها در آدرس کانال آپارات ایشان به نشانی https://www.aparat.com/ma_keyvanrad آپلود گردیده است.
جهت کسب اطلاعات بیشتر به صفحه رسمی دکتر محمد علی کیوان راد مراجعه فرمایید.
در ادامه ویدیو جلسه اول و همچنین لیست محتوای درسی به همراه لینک اسلاید، مطالب مرتبط و ویدیو آورده شده است.
Course Description:
This course introduces you to deep learning: the state-of-the-art approach to building artificial intelligence algorithms. Deep learning is the machine learning technique behind the most exciting capabilities in diverse areas like natural language processing, image recognition, speech recognition, robotics, etc. In this course, we cover the basic components of deep learning, what it means, how it works, and develop code necessary to build various algorithms such as deep convolutional networks, auto-encoders, generative adversarial networks, and recurrent neural networks.
Deep learning offers enormous potential for creative applications and in this course, we interrogate what’s possible. Through practical applications and guided homework assignments, you’ll be expected to create datasets, develop and train neural networks, explore your own media collections using existing state-of-the-art deep nets, synthesize new content from generative algorithms, and understand deep learning’s potentials.
Useful References
o Deng,
Li, and Dong Yu. “Deep learning: methods and
applications.”, 2014
o Yu,
Dong, and Li Deng. “Automatic speech recognition: A deep
learning approach”, ۲۰۱۵٫
o Goodfellow,
Ian, Yoshua Bengio, and Aaron Courville. “Deep
learning” , ۲۰۱۶٫
o Bishop,
Christopher M. “Pattern recognition and machine
learning”, ۲۰۰۶٫
SYLLABUS
|
Description |
Course |
Lecture 1 |
Course Introduction · · · |
Suggested ۲٫ |
Lecture 2 |
A Review of Artificial · · · |
Suggested ۱٫ ۲٫
|
Lecture 3 |
A Review of Artificial · · |
Suggested ۱٫ [Neural
|
Lecture 4 |
A Review of Artificial · · · |
Suggested ۱٫ [Neural ۲٫ [Batch
|
Lecture 5 |
A Review of Artificial · · · · |
Suggested ۱٫ [Neural ۲٫ [Neural ۳٫ [Dropout] ۴٫ [Regularization]
|
Lecture 6 |
A Review of Artificial · · · · |
Suggested ۱٫ [Neural ۲٫ [Neural ۳٫ [linear ۴٫ [intro-to-cross-entropy-loss] ۵٫ [transfer-learning]
|
Lecture 7 |
A quick review of · · · ·
|
Suggested ۱٫ [Pattern ۲٫ [Probabilistic ۳٫ [Dynamic ۴٫ [PGM coursera] ۵٫ [PGM AUT: CL1,
[slides] |
Lecture 8 |
Deep Belief Network · · · ·
|
Suggested ۱٫ [Reducing ۲٫ [A practical ۳٫ [DeeBNet] ۴٫ [FEPCD]
|
Lecture 9 |
Autoencoders · · · · |
Suggested ۱٫ [Sparse autoencoder] ۲٫ [Deep learning] ۳٫ [From
|
Lecture 10 |
Convolutional Neural Networks · ·
|
Suggested ۱٫ [ConvNet ۲٫ [Wikipedia]
|
Lecture 11 |
Convolutional Neural Networks · · · · ·
|
Suggested ۱٫ [AlexNet] ۲٫ [ZF Net] ۳٫ [VGG Net] ۴٫ [GoogLeNet] ۵٫ [ResNet]
|
Lecture 12 |
Convolutional Neural Networks · · ·
|
Suggested ۱٫ [R-CNN] ۲٫ [Fast R-CNN] ۳٫ [GAN]
|
Lecture 13 |
Computational Graphs · · · · |
Suggested ۱٫ [Calculus ۲٫ [Computation
|
Lecture 14 |
Natural Language · · · |
Suggested ۲٫ [NLP
|
Lecture 15 |
Recurrent Neural · · · · |
Suggested ۲٫ [The ۳٫ [Computational
|
Lecture 16 |
LSTM and GRU · · ·
|
Suggested ۲٫ [wikipedia] ۳٫ [Understanding ۴٫ [Neural ۵٫ [RNN
|
Lecture 17 |
Neural Text Generation · · · ·
|
Suggested ۱٫ [Neural ۲٫ [Attention-based ۳٫ [Google’s ۴٫ [Google’s NMT ]
|
Lecture 18 |
Automatic Speech · · · · ·
|
Suggested ۱٫ [ASR and DL] ۲٫ [End-to-end ۳٫ [end-to-end
[slides] |
Lecture 19 |
Deep Reinforcement · · · ·
|
Suggested ۱٫ [CNN, ۲٫ [DRL, ۳٫ [DRL,
|
Assignments
|
Subject |
Note |
Assignment #1 |
Activation Functions |
[Assignment #1] [code] |
Assignment #2 |
Simple Neural Network |
Suggested Readings: |
Assignment #3 |
PGM and DBN |
|
Assignment #4 |
Word Embedding |
همه فیلم ها در آدرس کانال آپارات ایشان به نشانی https://www.aparat.com/ma_keyvanrad آپلود گردیده است.
با سپاس بابت ویدیوها و آموزش
لطفا ویدیوی جلسات ۷و۸ و ۱و۲ رو هم در آپارات قرار بدید
مجددا سپاس
چرا ویدیوی بعضی از جلسات رو آپارات نیست؟
سلام وقت بخیر
ان شالله در دوره های آتی سعی میشود برای همه جلسات نیز آماده گردد.
نزدیک یک سال گذشته جلسه دوم که در همین صفحه قرار داده شده و قابل دانلود هست ولی اولین جلسه و جلسات ۷ و۸ ناموجود هستند لطفا در صورت امکان قرار بدید
سلام امکانش هست قسمت های ۱ ۲ ۷ ۸ قرار بدین ممنون
سلام
دوره آتی دقیقا کی خواهد بود ؟ لطفا در صورت امکان ویس هم بود قرار بدید – با سپاس
ممنون از شما برای این آموزش های مفید . فقط ای کاش این همه زحمتی که کشیدید آموزشها رو نیز به صورت کامل منتشر میکردید . ویدیوی جلسات ۷و۸ و ۱و۲ در آپارات موجود نیست – و متاسفانه لطمه ی بزرگی به این آموزش مفید زده .
ممنون میشم نسب به بارگذاری قسمتهایی که موجود نیست اقدام بفرمایید .
ممنون
این آدرس رو ویروسیاب Nod به عنوان صفحات مخرب میشناسه و بلاک کرده است :
این سایت رو :
http://ceit.aut.ac.ir
و عملا دستری به فایالهای اسلاید و … غیر ممکن شده است !
http://ceit.aut.ac.ir/~keyvanrad/download/DL961/DL_19(Deep%20RL).pdf
سلام.خسته نباشید.ببخشید جلسه سومی که فیلمش را قرار دادید همش ۱۷ دقیقه است و وسط درس تموم میشه و ادامه اش در هیچ فایل دیگری نبود.میشه لطفا بقیه شو بگین چجوری باید پیداکنم؟ ممنون
سلام. در آپارت باید کاملش باشه و بتونید براحتی پیدا کنید.