fbpx

Curs Deep Learning

Deep Learning este un sub-domeniu al Inteligenței artificiale și al ariei din Inteligența artificială numită Machine Learning. În prezent este una dintre cele mai populare zone din acest domeniu datorită aplicațiilor și problemelor pe care le poate aborda, scopul principal fiind cel de a replica inteligența și procesele cognitive umane pe anumite task-uri. 

Self Study

Curs Deep Learning

Abonament lunar
29 RON/lună
Tarif pers. fizică
Self Study

Deep Learning [12 luni]

Abonament anual
19 RON/lună Total azi: 228 RON
Tarif pers. fizică
Nivel

Fundamentals

Nr. module

7

Studiu individual

4-6 ore/săpt.

Suport de curs scris

Materiale video

Nr. ore video

6h

Limba de predare

Română

Limba materialului scris

Română

Metode de evaluare
  • Examene de capitol
  • Examen final
Înscrie-te! alege opțiune

Despre curs

Ce este Deep Learning?

Deep learning este un sub-domeniu al Inteligenței Artificiale și al ariei din Inteligența artificială numită Machine Learning. În prezent, este una dintre cele mai populare zone din acest domeniu datorită aplicațiilor și problemelor pe care le poate aborda, scopul principal fiind cel de a replica inteligența și procesele cognitive umane pe anumite task-uri. 

Una dintre părțile frumoase ale acestei arii este aceea că algoritmii și metodele sunt versatile, putând fi utilizate pentru aproape orice tip de task, indiferent că este vorba de imagini, text sau date audio. Pe lângă asta, cercetarea accentuată din domeniu o plasează ca fiind un domeniu foarte dinamic în care mereu este ceva de învățat și în care algoritmii evoluează. 

În ultimii ani, fiind un domeniu de activitate în continuă dezvoltare, zona de deep learning este adoptată de majoritatea companiilor iar mare parte a cercetării se focusează pe machine learning și implicit pe învățarea aprofundată. 

 

Cui i se adresează cursul de Deep Learning?

  • Data scientiști/Data analiști la început de carieră care vor să înceapă să învețe și să își dezvolte skill-uri pe aceasta zonă
  • Programatori care vor să învețe ce se află în spatele algoritmilor de deep learning
  • Studenți din domeniul IT care vor să își seteze bazele în domeniu

Cerințele cursului

  • Cunoștințe medii de programare în Python
  • Cunoștințe de bază de matematică (statistică, analiză matematică, algebră liniară)
  • Familiaritate cu noțiunile de bază de machine learning

Contul de cursant Telacad

Ce înseamnă asta?

Dacă ești cursant nou, după procesarea plății, vei primi pe mail o solicitare de activare a contului tău. Contul tău va fi pe cursuri.telacad.ro, pe care îl vei accesa cu adresa de e-mail și parola setate în formularul de înscriere.

Dacă ești deja cursantul nostru, după procesarea plății, vei primi confirmarea înscrierii în clasa dorită.

Ce găsești aici?

  • Materialele scrise și video
  • Regulile de Promovare
  • Exerciții suplimentare
  • Examenele de capitol pe care le vei susține online
  • Examen final pe care îl vei susține online
  • Catalog cu note
  • Diploma Telecom Academy la promovarea cursului

 

Ce vei învăța

  • Concepte de bază despre rețele neuronale
  • Rețele neuronale convoluționale
  • Rețele neuronale recurente
  • Concepte și arhitecturi avansate de computer vision și NLP
  • Estimarea seriilor de timp

Certificări

Certificări și posibile dezvoltări? 

Ulterior finalizării cursului se poate continua prin aprofundarea utilizării unui framework de deep learning. Se poate aprofunda framework-ul Tensorflow pentru a susține examenul de certificare al acestui framework oferit de Google. Pe lângă această certificare, se poate urma un master pe zona inteligenței artificiale/data science pentru a aprofunda și mai mult, însă întotdeauna studiul individual și practica va fi mai valoroasă. 

Programa

1.1 Introducere în Deep Learning
1.2 Utilizarea Deep Learning
1.3 Scurtă recapitulare și privire de ansamblu asupra domeniului
1.4 Framework-uri pentru Deep Learning

2.1. De la regresie liniară la perceptron
2.2. Structura unei rețele neuronale
2.3. Funcții de activare
2.4. Propagarea înainte a informației prin rețea
2.5. Funcții de cost
2.6. Propagarea înapoi a informației prin rețea

3.1. Analiza și pregătirea seturilor de date
3.2. Probleme ce pot apărea în timpul învățării
3.3. Metode de regularizare
3.4. Tehnici de optimizare
3.5. Optimizarea de hiperparametri

4.1. Vederea Artificială
4.2. Operațiile de convoluție și pooling
4.3. Rețele neuronale convoluționale
4.4. Evoluția din domeniul Computer Vision
4.5. Tehnici avansate de antrenare

5.1. Detecția de obiecte folosind algoritmul YOLO
5.2. Matching de imagini – recunoașterea facială
5.3. Auto-encoder
5.4. Segmentarea de imagini
5.5. Generative Adversarial Network (GAN)

6.1. Rețele Neuronale Recurente
6.2. LSTM & GRU
6.3. Deep RNN
6.4. Reprezentarea limbajului natural cu matrici de embedding
6.5. Modulul de atenție
6.6. Arhitectura Transformer

7.1. Elemente generale
7.2. Rețele recurente

Sponsori și parteneri