مهر ۲۸, ۱۳۹۶
کتاب الگوریتم‌ها (رابرت سژویک)

اسلایدهای درس ساختمان داده‌ها و الگوریتم‌ها

ساختمان داده‌ها یا داده ساختار‌ها، از بنیادی‌ترین مباحث مورد نیاز جهت یادگیری و درک بسیاری از مفاهیم عمده در علوم رایانه و یکی از مهم‌ترین دروس دوره کارشناسی برای دانشجویان رشته کامپیوتر است. هدف از مطالعه این درس یادگیری روش‌های پرکاربرد به منظور سازمان دادن داده‌ها در حافظه رایانه به یک روش ویژه و بر پایه یک مدل منطقی یا ریاضی است؛ به گونه‌ای که بتوان از داده‌های موجود به صورت بهینه استفاده نمود. داده ساختار‌ها انواع گوناگونی دارند که هر کدام مناسب برنامه‌های مختلفی هستند. در این درس با پرکاربردترین آنها مانند لیست، صف و پشته، درخت و گراف آشنا می‌شوید. دانشگاه تبریز، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر
مهر ۲۸, ۱۳۹۶
برنامه نویسی جاوا کتاب

اسلایدهای برنامه‌نویسی کاربردی با جاوا

در این درس با زبان برنامه‌نویسی جاوا که یکی از پرطرفدارترین و پرکاربردترین زبان‌های برنامه‌نویسی روز دنیا است آشنا می‌شوید. در مطالب ارائه شده در این درس تلاش گردیده است به شیوه‌ای کاربردی و از طریق حل مسائل گوناگون در حوزه‌های مختلف علمی (مانند بازیابی اطلاعات، مسئله تراوش در فیزیک، مسئله شبیه‌سازی چندجسمی)، مفاهیم مهم برنامه‌نویسی و برنامه‌نویسی شی‌گرایی با استفاده از زبان جاوا معرفی گردند. دانشگاه تبریز، دانشکده مهندسی برق و کامپیوتر، گروه مهندسی کامپیوتر
آذر ۱۱, ۱۳۹۶
یادگیری عمیق

یادگیری عمیق: فرصت‌ها و چالش‌ها

سخنرانی درباره یادگیری ژرف (یادگیری عمیق) به مناسبت هفته پژوهش در دانشگاه تبریز
آذر ۱۶, ۱۳۹۶
یادگیری ژرف

چگونه یادگیری عمیق را عمیق یاد بگیرم؟

در چند سال گذشته، یادگیری ژرف یا یادگیری عمیق به یکی از جذاب‌ترین زمینه‌های پژوهشی تبدیل گشته و دستاوردهای بسیاری نیز در حوزه‌های گوناگون به دنبال داشته است. در این نوشته نکاتی چند به منظور راهنمایی افراد علاقمند به پژوهش در این حوزه بسیار جذاب ارائه می‌گردد.
دی ۲۶, ۱۳۹۶
یادگیری عمیق با پایتون

کارگاه یادگیری عمیق با پایتون

هدف این دوره آشنایی و پیاده‌سازی الگوریتم‌های یادگیری عمیق و استفاده از این مدل‌ها در حل مسائل گوناگون همانند دسته‌بندی تصاویر، قطعه‌بندی تصاویر، عنوان‌بندی تصاویر، ترجمه ماشینی و تحلیل داده‌های سری زمانی است.
فروردین ۲۴, ۱۳۹۷
گوگل کولب

راهنمای استفاده از محیط گوگل کولب برای یادگیری عمیق همراه با یک مثال عملی

مقدمه درباره محیط گوگل کولب محیط گوگل کولب یکی از خدمات جدید گوگل است که به شما امکان می‌دهد از سرویس‌دهنده‌های قدرتمند گوگل برای استفاده از […]
اردیبهشت ۱۴, ۱۳۹۷

واژه‌نامه یادگیری عمیق

واژه‌های کلیدی در یادگیری عمیق
مهر ۱۳, ۱۳۹۷
کتاب کوین مورفی

کلاس یادگیری ماشین پاییز ۱۳۹۷

یادگیری ماشین یکی از مهم‌ترین دروس برای رشته هوش مصنوعی و یکی از پرکاربردترین دروس برای سایر رشته‌های دانشگاهی است. در این درس با برخی از مهمترین روش‌های یادگیری ماشین و پیاده‌سازی این روش‌ها در پایتون آشنا می‌شویم.
دی ۲۰, ۱۳۹۷
شبکه‌های عصبی

شبکه‌های عصبی بهار ۹۷

شبکه‌های عصبی مصنوعی در حال حاضر به عنوان یکی از قدرتمندترین روش‌ها برای حل مسائل گوناگون از پیش‌بینی بورس تا رانندگی خودکار و مترجم‌های ماشینی به شمار می‌روند. در این درس که مطالب آن برگرفته از درس‌های ارائه شده در سال‌های ۲۰۱۶ و ۲۰۱۷ در دانشگاه استنفورد با عنوان یادگیری عمیق برای بینایی ماشین است، تلاش شده است دانشجویان دوره کارشناسی بدون نیاز به پیش‌زمینه خاصی در حوزه هوش مصنوعی با اصول، طراحی و پیاده‌سازی شبکه‌های عصبی آشنا شده و از دانش خود برای حل مسائل گوناگون استفاده نمایند.