:: کارگاه پیاده سازی شبکه های عصبی عمیق

کارگاه پیاده سازی شبکه های عصبی عمیق
زمان برگزاری:
گروه 1 : سه شنبه 9 آبان ماه 1402 ساعت 8 الی 11
گروه 2 : سه شنبه 9 آبان ماه 1402 ساعت 14 الی 17
(هزینه ثبت نام در کارگاه: 500 هزار تومان)

شرح موضوع کارگاه:

شبکه عصبی عمیق یک تکنیک یادگیری ماشین است که به رایانه هامی آموزد تا آنچه را که به طور طبیعی برای انسان اتفاق می افتدانجام دهند، یعنی همان یادگیری بادیدن مثال. الگوریتمهای شبکه عصبی از مغز انسان و عملکردهای آن الهام گرفته اند ومانند ذهن انسان، نه تنها با پیروی ازیک لیست از پیش تعیین شده از قوانین، بلکه با پیشبینی راه حلها و نتیجه گیری بر اساس تکرارها و تجربیات قبلی، طراحی شده اند. این شبکه ها با لایه های متعددی از گره ها یانورون های به هم پیوسته مشخص میشوند که هر کدام مسئول پردازش و تبدیل داده های ورودی هستند. آنها توانایی یادگیری از داده ها و بهبود عملکرد خود در طول زمان را دارند. دریادگیری عمیق، یک مدل کامپیوتری یاد می گیرد که وظایف طبقه بندی را مستقیماً از روی تصاویر،متن یا صدا انجام دهد. مدلهای یادگیری عمیق می توانند به دقت پیشرفته ای دست یابند،که گاهی اوقات از عملکرد سطح انسانی فراتر می رود. این مدلها با استفاده از مجموعه بزرگی از داده های برچسبگذاری شده و معماری های شبکه عصبی که حاوی لایه های زیادی هستند، آموزش داده می شوند. شبکه های عصبی عمیق در طیف وسیعی از کاربردها از جمله تشخیص تصویر، پردازش زبان طبیعی و تشخیص گفتار استفاده میشوند.

در این کارگاه قصد داریم به معرفی شبکه های عصبی عمیق و نحوه عملکرد آنها در یادگیری بپردازیم. همچنین با بررسی مدلهای مختلف عمیق در محیطهای برنامه نویسیPython به همراه Matlab قصد داریم تا مخاطبان را با برنامه نویسی و پیاده سازی شبکه های عصبی عمیق و همچنین نحوه یادگیری آنها، آشنا سازیم.

سرفصل مطالب:

Section 1:

Neural Networks and Deep Learning

Convolutional Neural Networks (CNN)

Generative Models: DCGAN

Design and Train of DCGAN models in Python

Section 2:

Image Classification with CNN

CNN Implementation in MATLAB: Brain Tumor Dataset

Object Detection with CNN

MATLAB Implementation of R-CNN, Fast R-CNN and Faster R-CNN

Section 3:

From RNN and LSTM to Transformer

Transformer Attention and Self-attention

Vision Transformer (ViT)

Image Classification with Vision Transformer

Swin Transformer

Image Classification with Swin Transformer

مخاطبان کارگاه:

مخاطبان اصلی این کارگاه دانشجویان و فارغ التحصیلان رشته های مهندسی و علوم پایه هستند. آشنایی با برخی مفاهیم ریاضی وهوش مصنوعی می تواند در درک بهتر مطالب سودمند باشد. همچنین آشنایی مقدماتی با یکی از زبانهای برنامه نویسی پایتون یا متلب ضرورت دارد.

مجریان کارگاه:

دکتر اقبال منصوری: عضو هیأت علمی بخش مهندسی وعلوم کامپیوتر و فناوری اطلاعات ورئیس پژوهشکده هوش مصنوعی دانشگاه شیراز(سرپرست کارگاه)

مهندس سبحان سیامک: دانشجوی دکتری مهندسی کامپیوتر-گرایش هوش مصنوعی با زمینه تحقیقاتی بینایی کامپیوترو ربات،یادگیری عمیق و یادگیری تقویتی عمیق وخودروهای خودران

سروش مهرپو :کارشناسی ارشد پزشکی مهندسی گرایش بیوالکتریک با زمینه تحقیقاتی بیوانفورماتیک وپروتئین،شبکه های عصبی عمیق ویادگیری ماشین

حامد صدروی: دانشجوی کارشناسی ارشد مهندسی پزشکی-گرایش بیوالکتریک با زمینه تحقیقاتی بیوانفورماتیک و ژن، شبکه های عصبی و یادگیری عمیق