مدرسه بهاری پایتون و یادگیری ماشین


جزییات و سرفصل کارگاه ها

زمان جلسات: پنج‌شنبه‌ها ساعت ۱۰:۳۰ تا ۱۲:۳۰ (تمامی جلسات به صورت مجازی برگزار می‌شود)
+  جلسات اختیاری رفع اشکال و حل تمرین

کارگاه اول – مقدمات پایتون 

پنج‌شنبه ها : ۵، ۱۲، ۱۹، ۱۶ فروردین ۱۴۰۰

مباحث جلسات:

  1. مقدمات پایتون و NumPy : حل یک مساله ساده و تولید داده تصادفی.
  2. کتابخانه‌های کاربردی کار با داده: Pandas و Seaborn برای کار با داده جدولی / کار با یک داده واقعی.
  3. کتابخانه‌های کاربردی کار با داده: Matplotlib, os, globe برای کار با داده تصویری- معرفی generator در پایتون / کار با یک داده واقعی.
  4. داده‌های دیجیتال چطور ذخیره می‌شوند؟ معرفی ImageDataGenerator و encode و decode کردن، تغییر ابعاد برای رسیدن به جواب.
ثبت درخواست برای دریافت محتوای کارگاه اول

کارگاه دوم – مفاهیم یادگیری ماشین و کار با داده در پایتون

پنج‌شنبه‌ها: ۲، ۹، ۱۶، ۳۰ اردیبهشت ۱۴۰۰

مباحث جلسات:

  1. مفهوم مدل و تابع خطا
  2. مفهوم یادگیری، بهینه سازی،  معرفی مدل‌های یادگیری ماشین
  3. مرور مساله تشخیص دست‌خط‌‌، کار با TensorBoard و یافتن بهترین ساختار برای مدل
  4. مرور مساله تشخیص سگ یا گربه، کار با DataGenerator برای داده‌های حجیم

کارگاه سوم – پروژه محور، حل مساله با روش های یادگیری ماشین

*به دلیل تداخل با امتحانات پایان ترم، مطابق زمان‌بندی دانشگاه‌ها کارگاه عملی از بعد امتحانات خرداد تشکیل خواهد شد.*

از پنج‌شنبه ۳ تیر ۱۴۰۰ به مدت ۶ هفته

  • معرفی پروژه‌ها و تعریف مساله
  • گروه‌بندی و شروع پروژه‌ها

*امکان ثبت نام جداگانه برای کارگاه‌ها وجود دارد. (ثبت‌نام کلی شامل تخفیف خواهد بود)

*علاوه بر جلسات ذکر شده، امکان تعیین جلسات اختیاری رفع اشکال و موارد بیشتر نیز وجود دارد. پیشنهاد اصلی جمعه‌ها عصر به صورت تلگامی و در صورت نیاز تماس اینترنتی خواهد بود


سوالات متداول

در مدرسه بهاری پایتون و یادگیری ماشین چه چیزی بدست می‌آورم؟

هدف اصلی مدرسه این است که شرکت کنندگان توانایی روبریی و حل مساله با پایتون و بخصوص ابزارهای یادگیری ماشین را بدست آورند و پس از این دوره بتوانند یک پروژه کامل را به زبان پایتون و در حوزه یادگیری ماشین پیاده‌سازی کنند. در طول جلسات کارگاه‌های این مدرسه تلاش می‌شود در ابتدا مخاطبان از سطوح مختلف توانایی در برنامه‌نویسی، به سطح قابل قبولی در نوشتن کد برای حل مساله و آشنایی با ابزارهای کاربردی در پایتون دست پیدا کنند. سپس با مفاهیم موجود در حوزه یادگیری ماشین آشنا شده و با حل چند مساله دنیای واقعی و آموزشی به کمک شبکه‌های عصبی آشنا شوند. پس از اینکه در مراحل طی شده با روند تعریف مساله، تعریف و پیاده‌سازی راه حل آشنا شدند به صورت گروهی یا تکی به سراغ حل پروژه‌های خود می‌روند تا مهارت‌هایی را که به دست آورده‌اند یک بار در پروژه‌های واقعی مخصوص خود پیاده‌سازی کنند. ویژگی اصلی این مدرسه کارگاه عملی مربوط به پروژه‌هاست که شرکت‌کنندگان زیرنظر سرپرست‌های پروژه‌ها دست به حل یک مساله واقعی می‌زنند. روند تعریف پروژه‌ها متناسب با نیاز و علاقه هر فرد در ادامه آمده است.

مدرسه بهاری پایتون و یادگیری ماشین مناسب چه کسانی است؟

  • کسانی که دانش ابتدایی در کدنویسی یا اندکی تجربه کار با پایتون داشته‌اند و علاقه‌مند به کسب تجربه بیشتر و حل مساله با پایتون هستند. خصوصا کسانی که می‌خواهند مهارت حل مساله با روش‌های یادگیری ماشین و شبکه‌های عصبی داشته باشند.
  • دانشجویان سال سوم و بالاتر رشته‌های علوم پایه (فیزیک، شیمی، زیست‌شناسی و …) که تمایل به انجام پروژه در گرایش مورد علاقه خود و با ابزار محاسباتی یادگیری ماشین دارند.
  • دانشجویان تحصیلات تکمیلی که پروژه پایان‌نامه و کار محاسباتی یادگیری ماشینی دارند.
  • و …

این مدرسه چقدر از من زمان می‌گیرد؟

برنامه زمان‌بندی جلسات طوری تنظیم شده که تا حد ممکن در کنار برنامه تحصیلی دانشجویان بگیرد. به این شکل که احتمالا اکثر تمرین‌های کدنویسی مربوط به کارگاه اول (فروردین و نوروز) است. مباحث کارگاه دوم (اردیبهشت ماه و اوج میان‌ترم‌ها) اکثرا تئوری خواهد بود و کدهای مساله‌های معرفی شده در کلاس‌ها مرور می‌شود سپس برای اجرا در اختیار شرکت کنندگان قرار می‌گیرد. کارگاه سوم (تیر و مرداد و پس از امتحانات خرداد) اما زمان زیادی از شما می‌گیرد. از آن‌جایی که یادگیری این مباحث تنها با درگیر شدن با کد صورت می‌گیرد لازم است در زمان تعطیلات تابستانی زمان قابل قبولی برای پیش‌برد پروژه خود صرف کنید. لازم به ذکر است این پروژه ها علاوه بر جنبه آموزشی برای شما بعنوان نمونه کار خواهد بود و سعی بر این است که طوری تعریف شود تا ارزش پژوهشی یا کاربردهای دیگر مدنظر شما را داشته باشد.

روند انتخاب پروژه‌ها چگونه است؟

همان‌طور که گفته شد هر یک از شرکت‌کنندگان بر روی پروژه خصوصی یا گروهی خود کار میکند که متناسب با نیاز و در صورت تمایل هر فرد در رشته‌تحصیلی او طراحی خواهد شد. روند انتخاب پروژه یکی از روش‌های زیر خواهد بود:

  1. تعدادی پروژه عمومی و استاندارد توسط برگزارکنندگان به شرکت‌کننده‌ها معرفی خواهد شد و هر فرد یا گروه به صورت مستقل به حل آن بپردازد.
  2. هر فرد یا گروه از شرکت‌کنندگان می‌توانند پروژه مخصوص خود را معرفی کنند و با مشورت برگزارکنندگان در قسمت کارگاه عملی به پیش‌برد آن بپردازند و در زمان مشخص‌شده‌ای آن را به پایان ببرند.

ترجیح بر آن است که هر شرکت‌کننده متناسب با علاقه یا رشته تحصیلی، مساله را خودش انتخاب کند. برای این کار مثلا می‌توانید بعنوان درس پروژه از اساتید موسسه محل تحصیل خود سوالی پژوهشی بگیرید که برای حل آن نیاز به یادگیری ماشینی یا شبکه عصبی باشد. یا به داده‌ای دسترسی دارید که علاقه دارید در مورد آن تحلیل‌های ماشینی داشته باشید. تنها محدودیت انتخاب پروژه‌ها در این است خودتان بتوانید شناخت قابل قبولی از داده‌ها و جزییات آن کسب کنید و مساله در مدت‌زمان مشخص‌شده‌ای قابل حل باشد. لازم به ذکر است دریافت گواهی حضور در مدرسه مشروط به رسیدن پروژه به دقت قابل قبولی در نتایج آن است.


مدرس کارگاه‌ها:

محمد ایران دوست (مشاهده رزومه: Resume – Irandoost)

کارشناسی ارشد فیزیک ماده چگال دانشگاه شهید بهشتی (گروه نانو فیزیک: محاسبات و شبیه‌سازی)

سرپرست‌های پروژه‌ها:

  • نرگس اقبالی
  • مهدیه ابراهیمی

تیم اجرایی:
  • زهرا بیات
طراح پوستر: ماهرخ کاظمی

به اشتراک بگذارید!

Share on telegram
Telegram
Share on whatsapp
WhatsApp
Share on linkedin
LinkedIn
0 0 رای ها
Article Rating
اشتراک در
اطلاع از
guest
0 Comments
بازخورد (Feedback) های اینلاین
دیدن تمام نظرات
کارگاه آموزشی میکروکنترلر AVR
کارگاه‌های آموزشی
sbuphysics

کارگاه آموزشی میکروکنترلر AVR

  کارگاه آموزشی میکروکنترلر AVR مناسب برای کلیه رشته ها و مقاطع مدرس: ابوالفضل عابدی مسئول برگزاری دوره: سید علیرضا معنوی طراح پوستر: فاطمه فرهادی زمان کارگاه: چهارشنبه ها

Read More »
اردو و بازدید
sbuphysics

اردوی رصدی کاروانسرای دیرگچین

  اردوی رصدی ویژه آقایان (+برنامه ویژه استهلال) در روزهای  چهارشنبه و پنج شنبه ، ۲۶ و ۲۷ اردیبهشت ۱۳۹۷، برگزار خواهد شد.. گروه در

Read More »
0
دوست‌داریم نظرتون رو بدونیم!x