در این دوره با مفاهیم پایه و ساختار شبکه‌های عصبی کانولوشنی (CNN) در محیط MATLAB آشنا می‌شوید. ابتدا لایه‌های اصلی یک شبکه کانولوشنی شامل Convolution، Pooling و Fully Connected معرفی می‌شوند و نحوه‌ی عملکرد آن‌ها در استخراج ویژگی‌ها و کاهش ابعاد تصاویر توضیح داده می‌شود. سپس با استفاده از داده‌های تصویری MNIST، یاد می‌گیرید چگونه مدل‌های طبقه‌بندی تصاویر را هم با شبکه‌های ساده Fully Connected و هم با شبکه‌های کانولوشنی طراحی، آموزش و ارزیابی کنید تا تفاوت عملکرد و دقت آن‌ها را در عمل مشاهده نمایید.

در بخش پیشرفته‌تر، مفاهیم یادگیری عمیق (Deep Learning)، تشخیص اشیاء (Object Detection) و شبکه‌های RCNN مورد بررسی قرار می‌گیرند. در این مرحله با ایده‌ی **یادگیری انتقالی (Transfer Learning)** آشنا می‌شوید و یاد می‌گیرید چگونه از شبکه‌های ازپیش‌آموزش‌داده‌شده برای حل مسائل جدید استفاده کنید. پروژه‌ی نهایی دوره شامل آموزش مجدد یک شبکه‌ی کانولوشنی بر روی داده‌های CIFAR و پیاده‌سازی مدل تشخیص علائم راهنمایی رانندگی است تا به‌صورت عملی، توانایی طراحی و آموزش شبکه‌های عمیق را در MATLAB به دست آورید.