
კურსის აღწერა
AI ლექტორი – ინოვაციური პროდუქტი ბიზნესისა და ტექნოლოგიების უნივერსიტეტისგან
ღრმა სწავლება (Deep Learning (DL))
კურსი შექმნილია იმისათვის, რომ მოგცეთ ინფორმაცია მანქანათმცოდნეობასა და მის შემადგენელ კომპონენტებზე, თანამედროვე კომპიუტერული მეცნიერების ერთ-ერთ ყველაზე მნიშვნელოვან და სწრაფად მზარდ დარგზე. ლექციების, პრაქტიკული სავარჯიშოებისა და რეალურ სამყაროში არსებული მაგალითების კომბინაციით, სტუდენტები შეისწავლიან მანქანათმცოდნეობისა და პრინციპების, ტექნიკისა და ხელსაწყოების შესახებ.
კურსის განმავლობაში სტუდენტები იმუშავებენ პროექტებზე, რომლებიც სტუდენტებს მისცემს შანსს გამოიყენონ თავიანთი ახლად შეძენილი ცოდნა და უნარები რეალურ სამყაროში და მიიღონ პრაქტიკული გამოცდილება ღრმა სწავლების სფეროში.
AI ლექტორი თავად ქმნის სასწავლო კურსს, რომელიც ხელოვნური ინტელექტის უკეთ შესასწავლად, სხვადასხვა თემატიკის გარშემო აერთიანებს სილაბუსებს, ლიტერატურას, ტესტებს და სხვა დამხმარე რესურსს. აღსანიშნავია, რომ კურსის გავლა შეუძლიათ არა მხოლოდ უნივერსიტეტის სტუდენტებს, არამედ ყველა დაინტერესებულ მხარეს. კურსის მონაწილეები შეძლებენ ხარვეზების გარეშე, დამოუკიდებლად შეისწავლონ მათთვის სასურველი მოდული, დაწერონ ტესტი და მიიღონ უკუკავშირი შედეგების ან/და დაშვებული შეცდომების შესახებ. AI ლექტორი უნიკალური ინოვაცური პროდუქტია, რომელსაც რამდენიმე ფუნქციონალური მახასიათებელი აქვს:
- ექსპერიმენტებზე დაფუძნებული სწავლება;
- მაღალი დარგობრივი ექსპერტიზა;
- უწყვეტი ხელმისაწვდომობა;
- ინდივიდუალურ საჭიროებებზე მორგებული ტემპით სწავლა;
- გაერთიანებული ციფრული სასწავლო სივრცე;
- პორტფოლიოსთვის გამოსადეგ პროექტებზე მუშაობის შესაძლებლობა.
BTU AI ლექტორი სტუდენტებს პერსონალიზებული სასწავლო გამოცდილების მიღებას სთავაზობს, რომელიც აკმაყოფილებს თითოეული მოსწავლის ინდივიდუალურ საჭიროებებს და არის უნიკალური პროდუქტი რეგიონის საგანმანათლებლო სივრცეში.
კურსის დეტალები
- ლექციები 14
- გამოკითხვა 13
- ხანგრძლივობა 14 კვირა
- დონე ყველა
- ენა English
- სტუდენტი 6
- შეფასება დიახ
მასალა
მასალა
- 8 Sections
- 14 Lessons
- 14 Weeks
- ნეირონული ქსელები8
- 1.1Lesson 1: Introduction to Neural Networks
- 1.2Quiz 1: Introduction to Neural Networks5 Questions
- 1.3Lesson 2: Convolutional Neural Networks
- 1.4Quiz 2: Convolutional Neural Networks4 Questions
- 1.5Lesson 3: Recurrent Neural Networks
- 1.6Quiz 3: Recurrent Neural Networks5 Questions
- 1.7Lesson 4: Training Deep Neural Networks
- 1.8Project 1: (Training Deep Neural Networks)0 Questions
- Autoencoder-ები2
- Generative Adversarial Networks (GANs)2
- ღრმა გაძლიერებული სწავლება (DLR)2
- გადაცემითი სწავლება2
- ბუნებრივი ენის დამუშავება ღრმა სწავლების გამოყენებით2
- ღრმა სწავლების აპლიკაციები6
- 7.1Lesson 10: Deep Learning for Computer Vision
- 7.2Lesson 11: Deep Learning for Audio and Speech Processing
- 7.3Quiz 10 and 11: Deep Learning for Computer Vision, Deep Learning for Audio and Speech Processing8 Questions
- 7.4Lesson 12: Attention Mechanisms in Deep Learning
- 7.5Quiz 12: Attention Mechanisms in Deep Learning5 Questions
- 7.6Lesson 13: Deep Learning in Healthcare
- ღრმა სწავლების ეთიკური და სოციალური მხარეები3