این تخصص برای تمام علاقه‌مندان به حوزه یادگیری عمیق مناسب است. در این تخصص مهارت‌های مورد نیاز برای تسلط بر یادگیری عمیق مرحله به مرحله طراحی شده است. در مرحله اول شما یادگیری ماشین با استفاده از زبان پایتون را آموزش می‌بینید. این دوره در دو بخش تدوین شده است؛ در بخش اول شما با هدف یادگیری ماشین و کاربرد آن در دنیای واقعی آشنا خواهید شد. در بخش دوم این دوره، یک نمای کلی از مباحث یادگیری ماشین مانند یادگیری تحت نظارت و بدون نظارت، ارزیابی مدل­‌ها و الگوریتم­‌های ماشین لرنینگ به شرکت‌کنندگان ارائه خواهد شد. در مرحله بعد شما با تنسورفلو و کراس آشنا خواهید شد. دوره آموزش یادگیری عمیق با تنسورفلو و کراس به آموزش کاربردی یادگیری عمیق و تمام مباحث مربوط به کتابخانه‌­های تنسورفلو و کراس می‌­پردازد. در این دوره شما با مباحثی مانند پیاده‌­سازی شبکه‌­های عصبی (یادگیری عمیق) در پایتون، پیاده‌­سازی شبکه­‌های Multi-layer perceptron (MLP) و Convolutional، بحث و بررسی در رابطه با موضوعات گوناگون یادگیری عمیق مانند: Transfer learning، Overfitting و Regularization و بررسی دقیق و عمیق تنسورفلو و کراس آشنا خواهید شد. این دوره به صورت مقدماتی و پیشرفته ارائه خواهد شد. در مرحله بعد به مدل‌سازی سطح پایین پرداخته می‌شود در این دوره شرکت‌کنندگان با موضوعات مختلفی با تمرکز بر مدل‌سازی سطح پایین در تنسورفلو آشنا خواهند شد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است و به دلیل ویژگی‌های جذابی که در اختیار کاربران قرار می‌دهد، کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌ترین کاربردهای تنسورفلو در پیاده‌سازی شبکه‌های عصبی است؛ به همین دلیل این کتابخانه، به عنوان پراستفاده‌ترین کتابخانه در یادگیری عمیق شناخته می‌شود. در انتها نیز به بحث مدل‌سازی توالی پرداخته می‌شود که در انتهای آن شما به موضوعاتی مانند پیاده‌سازی شبکه‌های شامل RNN ساده، پیاده‌سازی شبکه‌های شامل LSTM و انواع مختلف آن، پیاده‌سازی پیش‌بینی‌های احتمالاتی برای کار با توالی‌ها با مدل deepAR، پیاده‌سازی مدل‌های Transformer برای پیش‌بینی توالی، پیاده‌سازی مدل‌های Convolutional برای پیش‌بینی توالی، آشنایی با کتابخانه GluonTSو آشنایی با کتابخانه Darts تسلط لازم را خواهید داشت.