در حال بارگذاری

دسته‌بندی

دیگر سرویس‌‌ها

آپارات در موبایل Windows ,Android ,IOS
  • 74
    دنبال کننده
  • 0
    دنبال شونده
  • 26.5هزار
    بازدید

علیرضا اخوان پور

مقدمات بینایی ماشین و یادگیری عمیق http://fall97.class.vision/\ http://winter96.class.vision/

نمایش اطلاعات کانال بستن اطلاعات کانال

مقدمات بینایی ماشین و یادگیری عمیق http://fall97.class.vision/\ http://winter96.class.vision/

  • 74
    دنبال کننده
  • 0
    دنبال شونده
  • 26.5هزار
    بازدید

همه ویدیو ها

  • دوره آموزشی یادگیری عمیق و Keras

    377 بازدید

    قسمت اول کلاس به عنوان پیش نمایش قرار داده شده تا در صورت تمایل این ویدیو را از سایت class.vision خریداری نمایید. برای مشاهده سرفصل ها، اطلاعات بیشتر و خرید این دوره آموزشی 12 ساعته لینک http://class.vision/deeplearning-keras/ را کلیک نمائید.

  • مقدمه شبکه های عصبی کانولوشنال علیرضا اخوان پور بخش2

    مرکز تحقیقات هوش پار...
    2,029 بازدید

    پیاده سازی شبکه عصبی کانولوشنالی در کتابخانه کراس و آشنایی با لایه های Conv2D و MaxPooling2D/ آشنایی با متد Flatten برای لایه ماقبل Dense/ بررسی ابعاد activation هر لایه: حساب دستی و آشنایی با متد ()summary/ بررسی Sigmoid و Softmax برای لایه آخر

  • مقدمه ای بر شبکه های عصبی کانولوشنال -علیرضا اخوان پور- بخش اول

    مرکز تحقیقات هوش پار...
    916 بازدید

    معرفی و آشنایی با رویکرد آموزش کرنل یا فیلترهای کانولوشنال به جای طراحی فیلتر/ مروری بر کانولوشن Same و Valid/ مشکلات کانولوشن valid در طراحی شبکه های کانولوشنالی و فرمول اندازه خروجی پس از کانولوشن/ فرمول محاسبه مقدار padding برای کانولوشن same/ معرفی strided convolution/ کانولوشن روی کانال های تصویر (کانولوشن سه بعدی)/ چند فیلتر در کانولوشن و خروجی چند کاناله/ محاسبه تعداد پارامترها در هر لایه کانولوشن/ معرفی واحدهای pooling و ادغام بیشینه/ بررسی چندین معماری معروف کانولوشنالی/ انتقال یادگیری (Transfer

  • مقدمه ای بر شبکه های عصبی - علیرضا اخوان پور 2

    مرکز تحقیقات هوش پار...
    765 بازدید

    معرفی پایتون و کتابخانه های علمی و یادگیری ماشین پایتون/ آموزش مقدماتی کتابخانه یادگیری ماشین scikit-learn/ معرفی و آموزش کتابخانه یادگیری عمیق Keras/ بررسی عملی تفاوت روش های سطحی یادگیری ماشین و یادگیری ماشین با پیاده سازی/

  • مقدمه ای بر یادگیری عمیق و شبکه‌های عصبی-علیرضا اخوان پور 1

    مرکز تحقیقات هوش پار...
    838 بازدید

    مقدمه ای بر یادگیری عمیق و شبکه‌های عصبی-علیرضا اخوان پور یادگیری عمیق چیست؟/ کاربردهای یادگیری عمیق/ شواهد زیستی و اتصالات/ یادگیری عمیق/ معرفی و بررسی انواع توابع فعال سازی ( activation function)/ معرفی مدل های پرسپترون چندلایه (MLP یا multi-layer Perceptron)/ انواع توابع هزینه در شبکه های عصبی (Cost Functions یا Loss Function)/ یادگیری و آموزش شبکه های عصبی/

  • مباحث ویژه 2 - جلسه 23 - آخرین جلسه(pix2pix و CycleGAN)

    837 بازدید

    در این جلسه در ادامه مبحث GAN پیرامون Image-to-Image Translation و روش های pix2pix و CycleGAN بحث شد و همچنین یک پیاده سازی کامل ا pix2pix را در تنسرفلو با کراس دیدیم. اسلاید: http://fall97.class.vision/slides/17.pdf کد: http://nbviewer.jupyter.org/github/alireza-akhavan/class.vision/blob/master/57-gan-pix2pix_tensorflow_eager.ipynb

  • مباحث ویژه 2 - جلسه 22 (شبکه های مولد تخاصمی - GAN)

    990 بازدید

    در این جلسه یک ساعته با شبکه های GAN آشنا شدیم و مفاهیم ابتدایی آن بیان گردید. ابتدا یک GAN خیلی ساده در Keras روی اعداد دست نوشته فارسی پیاده سازی کرده و به تولید اعداد دست نوشته ی جدید فارسی پرداختیم، سپس در ادامه Transposed convolution مطرح شد و پس از آشنایی با این عملگر شبکه های DCGAN یا Deep Convolutional GAN ها را پیاده سازی کردیم.

  • مباحث ویژه 2 - جلسه 21 (انتقال سبک با شبکه های عمیق)

    375 بازدید

    در این جلسه انتقال به بررسی سبک یا neural style transfer پرداخته شد و آن را در Keras پیاده سازی کردیم.

  • مباحث ویژه 2 - جلسه 20 (سیستم توصیه گر - style transfer)

    495 بازدید

    در این جلسه یک روش سیستم توصیه گر (recommender systems) کتاب را بررسی کرده و در کراس پیاده سازی کردیم. در ادامه این جلسه مقدمات style transfer با شبکه های عمیق بیان شد.

  • مباحث ویژه 2 - جلسه 19 (ادامه پیاده سازی trigger word - تولید موسیقی)

    512 بازدید

    در این جلسه ابتدا مساله تشخیص کلمه trigger در RNNها مرور شد و پیاده سازی آن را به اتمام رساندیم. در ادامه music generation با RNN ها را خلاصه بررسی و پیاده سازی کردیم. در انتهای جلسه از مبحث RNN ها خارج شده و مساله collaborative filtering و یک سیستم پیشنهاد دهنده برای کتاب را مطرح و بررسی کردیم. این مبحث در جلسه ی بعدی کامل خواهد شد.

  • مباحث ویژه 2 - جلسه 18 (پردازش صوت در RNNها)

    530 بازدید

    ابتدا با مفهوم صوت و مفهوم spectogram به عنوان ویژگی با معنی برای صوت آشنا شدیم. سپس برای بازشناسی گفتار دو روش بر پایه attention و CTC loss خلاصه بیان شد. در انتهای جلسه trigger word detection به عنوان یک مساله ساده شده صوت را معرفی کردیم و راهکار آموزش آن بیان شد. در ادامه پیاده سازی یک RNN حساس به کلمه ای خاص را پیاده سازی کردیم.

  • مباحث ویژه 2 - جلسه 17 (Attention در RNNها)

    633 بازدید

    در این جلسه توجه یا attention در پردازش زبان طبیعی با مثال ترجمه ماشینی آموزش داده شد و پیاده سازی در فریم ورک Keras مورد بررسی قرار گرفت.

  • مباحث ویژه 2 - جلسه 16 (مدلهای seq2seq)

    482 بازدید

    در این جلسه مبانی مدل های Seq2Seq و machine translation بیان شد.

  • مباحث ویژه 2 - جلسه 15 (image captioning)

    585 بازدید

    در این جلسه میزبان آقای مهدی زاده بودیم و ایشان مبحث image captioning را در فریم ورک Keras آموزش دادند.

  • مباحث ویژه 2 - جلسه 14 (تولید اشعاری شبیه به شاهنامه)

    701 بازدید

    در این جلسه یک مثال Text generation در سطح کاراکتر با شبکه های RNN در تنسرفلو دیدیم و با مجموعه داده شاهنامه آن را آموزش دادیم. در این مثال از لایه embedding در سطح کاراکتر استفاده کردیم و همچنین با Eager Execution تنسرفلو بیشتر آشنا شدیم.

  • مباحث ویژه 2 - جلسه 13 (word analogy و طبقه بندی متن)

    683 بازدید

    در این جلسه به صورت عملی مباحث جلسات قبل را در پایتون و Keras بررسی کردیم. در ابتدا word analogy را در وزن های از قبل آموزش داده شده بررسی کردیم. سپس مشکل بایاس جنسیتی را رفع کرده و در آخر یک طبقه بند متن یک بار با روش میانگیری embedding و یکبار با شبکه های بازگشتی را پیاده سازی کردیم. در این مثال از دیتاست Emoji استفاده شد و هدف انتخاب خودکار emoji مناسب برای هر جمله بوده است.

  • مباحث ویژه 2 - جلسه 12 ( آموزش Word Embeddings - روش glove)

    593 بازدید

    در این جلسه یک روش دیگر برای آموزش word embedding مطرح شد و در آخر مشکل bias این روش ها و رفع آن ها بیان گردید.

  • آشنایی با شبکه های عصبی و کراس

    1,223 بازدید

    در این جلسه با داده تصویری، مفاهیم پایه شبکه های عصبی و یادگیری عمیق آشنا شدیم. - activation function - انواع توابع هزینه (Cost Functions یا Loss Function) - یادگیری در ادامه به بررسی tensorflow playground پرداخته و مباحثی مانند تعداد لایه و نورون و نوع activation function و تاثیر آن بر روی آموزش مورد بحث قرار گرفت. در آخر کتابخانه Keras در پایتون و پیاده سازی یک شبکه عصبی ساده بیان شد ه و مشکل over-fitting و راهکار Dropout به عنوان یکی از راه حل های regularization در این کتابخانه بیان شد.

  • مباحث ویژه 2 - جلسه 11 ( آموزش Word Embeddings - روش word2Vec)

    675 بازدید

    در این جلسه با روش word2vec برای آموزش word embedding آشنا شدیم. -Word2Vec - Skip-grams - Problems with softmax classification - Negative Sampling -

  • مباحث ویژه 2 - جلسه 10 ( Word Embeddings)

    697 بازدید

    در این جلسه با پردازش زبان طبیعی(NLP) و Word Embeddings آشنا شدیم. در مورد مفهوم Analogy در embedding کلمات مورد بحث قرار گرفت و در آخر یک مثال ساده در کتابخانه Keras برای طبقه بندی نظرات در وب سایت IMDB را بررسی کردیم.

  • مباحث ویژه 2 - جلسه 9 ( شبکه های بازگشتی GRU و LSTM)

    803 بازدید

    در این جلسه در ادامه ی مبحث RNN ها(شبکه های بازگشتی) و مشکل vanishing gradientکه انتهای جلسه ی هشتم مطرح گردید دو تغییر از این نوع شبکه ها به ترتیب GRU و LSTM بیان شدند. سپس Bidirectional RNN و Deep RNN به صورت مختصر معرفی شده و در انتهای جلسه یک مدل زبانی character level با Keras پیاده سازی شد.

  • مباحث ویژه 2 - جلسه 8 ( شبکه های بازگشتی RNN)

    966 بازدید

    در این جلسه مباحث مربوط به شبکه های بازگشتی RNN، Forward propagation و backpropagation در یک RNN ساده. معرفی مدل زیانی و نحوه ایجاد یک جمله جدید با این شبکه ها بیان شد.

  • مباحث ویژه 2 - جلسه 7

    740 بازدید

    در ابتدای جلسه multi-label classification در کتابخانه fastAI مورد بررسی قرار داده شد. سپس مقدمه ای خیلی کوتاه از RNNها و لزوم آنها بیان شد.

  • 6- تشخیص و بازشناسی چهره - بخش دوم (دوره پیشرفته)

    253 بازدید

    کدها: https://github.com/Alireza-Akhavan/deep-face-recognition/ پیاده سازی کراس و تنسرفلو تشخیص، تصدیق و بازشناسی چهره (one-shot learning: Face Verification Recognition ) در این ارائه روش های یادگیری عمیق در تطبیق چهره بررسی شد. مفهوم Siamese network، Discriminative Feature و مقاله Facenet برسی شده و به تشریح face embedding پرداختیم. در ادامه مقالات سالهای اخیر برای استخراج کدهای چهره از جمله triplet loss - center loss - sphereface - arcface - amsoftmax و .. بررسی شد و این روش ها با معرفی چالش های LFW و

  • 5- تشخیص و بازشناسی چهره - بخش اول (دوره پیشرفته)

    415 بازدید

    کدها: https://github.com/Alireza-Akhavan/deep-face-recognition/ پیاده سازی کراس و تنسرفلو تشخیص، تصدیق و بازشناسی چهره (one-shot learning: Face Verification & Recognition ) در این ارائه روش های یادگیری عمیق در تطبیق چهره بررسی شد. مفهوم Siamese network، Discriminative Feature و مقاله Facenet برسی شده و به تشریح face embedding پرداختیم. در ادامه مقالات سالهای اخیر برای استخراج کدهای چهره از جمله triplet loss - center loss - sphereface - arcface - amsoftmax و .. بررسی شد و این روش ها با معرفی

  • جلسه پنجم تحلیل با رویکرد یادگیری ژرف بربستر کلان داده

    کارگروه کلان داده
    4,082 بازدید

    جلسه پنجم دوره "تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده" در تاریخ 20 بهمن 1395 توسط مهندس علیرضا اخوان و مهندس محمد خالوئی در کارگروه داده های عظیم دانشگاه صنعتی شریف ارائه گردید. این ارائه به صورت کارگاه تعاملی برای مباحث عملی TensorFlow (تنسورفلو) تعبیه شد و در این کارگاه مباحث تئوری جلسات گذشته به صورت عملی روی TensorFlow کار شد. جزئیات بیشتر در سایت bigdataworkgroup.ir مشاهده نمایید.

  • جلسه چهارم تحلیل با رویکرد یادگیری ژرف بربستر کلان داده

    کارگروه کلان داده
    4,141 بازدید

    جلسه چهارم دوره "تحلیل با رویکرد یادگیری ژرف بر بستر کلان داده" در تاریخ 6بهمن 1395 توسط مهندس علیرضا اخوان در کارگروه داده های عظیم دانشگاه صنعتی شریف ارائه گردید. اسلاید های ارائه در آدرس ذیل قرار گرفته شده است: http://www.slideshare.net/Alirezaakhavanpour/tensorflow-71395844 جزئیات بیشتر در سایت bigdataworkgroup.ir مشاهده نمایید.

  • فیلم آموزش نصب TensorFlow در سیستم عامل ویندوز

    کارگروه کلان داده
    7,965 بازدید

    فیلم آموزشی نصب TensorFlow در سیستم عامل ویندوز توسط مهندس علیرضا اخوان پور به جهت آماده سازی کارگاه جلسه پنجم کارگروه کلان داده دانشگاه صنعتی شریف ارائه شده است. در این فیلم به مراحل نصب تنسورفلو پرداخته شده است.

  • مباحث ویژه 2 - جلسه 6

    747 بازدید

    در این جلسه Global Pooling و Adaptive pooling مطرح شد و به ایده آموزش یک شبکه با تصاویر با سایز متفاوت در ایپاک های مختلف در فریم ورک FastAI پرداخته شد.

  • مباحث ویژه 2 - جلسه 5

    690 بازدید

    در این جلسه مقدمات کتابخانه FastAI مطرح شد و برخی از ایده های آن از جمله پیدا کردن Learning Rate مناسب، Stochastic Gradient Descent with Restarts

  • مباحث ویژه 2 - جلسه 4

    709 بازدید

    پیاده سازی یک شبکه عصبی تمام-متصل و یک شبکه عصبی کانولوشنالی با تنسرفلو برای مجموعه داده mnist.

  • مباحث ویژه 2 - جلسه 3

    812 بازدید

    ادامه تنسورفلو مقدماتی - آشنایی با placeholder و Variable در Tensorflow و مفهوم Feed کردن و fetch کردن از گراف