شبکه های عصبی بازگشتی در پایتون (Recurrent Neural Networks)

دوره ی شبکه های عصبی بازگشتی در پایتون

شبکه عصبی بازگشتی (RNN) که به آن شبکه عصبی مکرر نیز گفته می شود، نوعی از شبکه عصبی مصنوعی است که در تشخیص گفتار، پردازش زبان طبیعی (NLP) و همچنین در پردازش داده های ترتیبی (Sequential data) استفاده می شود.شبکه های عصبی بازگشتی (RNN) یک لایه بازخورد دارند که در آن خروجی شبکه به همراه ورودی بعدی، به شبکه بازگرداننده می شود. RNN می تواند به علت داشتن حافظه داخلی، ورودی قبلی خود را به خاطر بسپارد و از این حافظه برای پردازش دنباله ایی از ورودی ها استفاده کند. به بیان ساده، شبکه‌های عصبی بازگشتی شامل یک حلقه بازگشتی هستند که موجب می شود اطلاعاتی را که از لحظات قبلی بدست آورده ایم از بین نروند و در شبکه باقی بمانند.

در دوره چه میگذرد؟

در این دوره ابتدا با شبکه های عصبی بازگشتی آشنا میشویم و میبینیم چرا نیاز داریم از شبکه های عصبی بازگشتی استفاده کنیم پس از آن به معرفی مفاهیم اولیه شبکه های بازگشتی،ساختار،انواع،کارکرد و مشکلات این شبکه ها میپردازیم و در ادامه به معرفی long short term memory network ها و ساختار و نحوه عملکرد این شبکه ها میپردازیم و در نهایت با استفاده از پایتون و کتابخانه keras یک شبکه عصبی LSTM برای پیشبینی سهام شرکت IBM پیاده سازی میکنیم.

دوره برای چه کسانی مناسب است؟

تکنولوژی ها و نرم افزار های مورد نیاز:

پایتون ورژه ۳ به بالا

Jupyter Notebook

کتابخانه کراس

پیشنیاز های دوره شبکه های عصبی بازگشتی :

برای شروع این دوره نیاز است با زبان برنامه نویسی پایتون آشنا باشید و همچنین مفاهیم اولیه شبکه های های عصبی را بلد باشید.

مزیت این دوره نسبت به سایر دوره های مشابه در بازار:

در این دوره به صورت کامل و خلاصه تمامی مفاهیم مورد نیاز درباره شبکه های عصبی بازگشتی، کاربرد های این شبکه ها و همچنین پیاده سازی این شبکه ها را می آموزید و زمانی کوتاه قادر به پیاده سازی شبکه های عصبی بازشگتی برای مسائل مختلف خواهید بود همچنین در هر زمانی میتوانید سوالات خود را از بنده از طریق شبکه های مجازی و یا ایمیل بپرسید.

سرفصل های آموزش شبکه های عصبی بازگشتی در پایتون :

فصل اول :‌ مقدمه ای بر شبکه های عصبی مصنوعی

فصل دوم :‌ شبکه های عصبی بازگشتی

فصل سوم :‌ Long Short Term Memory Network

فصل چهارم :‌ پیشبینی قیمت سهام IBM در پایتون

در بخش نظرات می‌توانید سوالات خود را از استاد دوره به صورت مستقیم بپرسید، همچنین با ارائه پیشنهادات و نظرات خود به ما، ما را در ارتقا کیفیت آموزش ها یاری نمایید.