کارگاه آموزشی Deep Learning برای تشخیص تصاویر در پایتون
۱- آشنایی کاربردی با ساختار و تئوری شبکه های عصبی پرسپترون و کانولوشنی
۲- آشنایی با مفهوم Overfitting و روش های جلوگیری از آن
۳- معرفی کتابخانه keras و توابع مورد نیاز برای پیاده سازی و آموزش شبکه های عصبی
۴- آشنایی با شبکه های عصبی موفق و پر کاربرد GoogLeNet و ResNet و تکنیک یادگیری انتقالی
۵- روش های تولید Dataset و استفاده از آن ها برای آموزش شبکه عصبی در پایتون
۶- طراحی و پیاده سازی یک مدل شبکه عصبی کانولوشنی برای تشخیص تصاویر

* برای نصب کتابخانه های مورد نیاز از قبل فایل راهنمای نصب مبتنی بر لینوکس برای شما ارسال خواهد شد و با برنامه ها و کتابخانه های نصب شده باید شرکت کنید.
*همراه داشتن لپتاپ با سیستم عامل لینوکس الزامی است.

زمان:
۱۴ اردیبهشت ۱۳۹۷

• آشنایی با محیط سیمولینک
• طراحی و راه اندازی مدارهای الکترونیکی در سیمولینک
• طراحی و راه اندازی سیستم های مکانیکی در سیمولینک به همراه کنترلر

زمان:

۲۱ اردیبهشت

• آموزش کشیدن شماتیک مدار و ابزار ها و آپشن های آن
• آموزش اضافه کردن و ساختن کتابخانه ها برای سیمبل و فوت پرینت قطعات
• آموزش چیدمان و انواع ترک کشی برای net های مختلف

زمان شروع دوره:

۲۸ اردیبهشت ماه ۱۳۹۷

• ترفند های مختلف جهت بالا بردن سرعت طراح
• کاهش اثر نویز گذاری و نویز پذیری در بردهای الکترونیکی :
  • Differential pair
  • Equalize net lengths
• آموزش تکنیک های مربوط به via و polygon
• طراحی سه بعدی برد های الکترونیکی

زمان شروع دوره:

۳ خرداد ۱۳۹۷

توجه : در دوره پیشرفته فرض بر این است که ثبت نام کنندگان تسلط کافی بر مباحث دوره مقدماتی را دارند.