دوره آموزشی
دوبله زبان فارسی
تسلط به یادگیری عمیق: اصول هوش مصنوعی خود را بسازید
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به یادگیری عمیق برای بینایی کامپیوتر، سریهای زمانی و تسک های متنوع پردازش زبان طبیعی (NLP): تحلیل احساسات، ترجمه و تولید متن
- ساخت مدلهای یادگیری عمیق بینایی کامپیوتر خودتان از ابتدا و با استفاده از یادگیری انتقال
- ساخت مدلهای زبان بزرگ (LLM) خودتان از ابتدا، درست مانند GPT1
- تسلط به معماری ترنسفورمرها: که پایه و اساس آخرین مدلهای LLM و LMM هستند.
- کسب مهارتهای لازم برای درک و مشارکت در توسعه مدلهای زبان بزرگ (LLM) و مدلهای Generative AI
- تسلط به Tensorflow و Keras برای ساخت مدلهای یادگیری عمیق و هوش مصنوعی
پیشنیازهای دوره
برنامهنویسی اولیه پایتون، اشتیاق برای یادگیری، آزمایش و ساخت هوش مصنوعی اصولی
توضیحات دوره
- با دوره «تسلط به یادگیری عمیق: اصول هوش مصنوعی خود را بسازید» بخشی از انقلاب هوش مصنوعی شوید.
- امروزه هوش مصنوعی، LLM ها و LMM ها همه جا هستند، اما این LLM ها چگونه قدرت میگیرند؟ چه فناوری اصلی آنها را به پیش میبرد؟
- پاسخ، یادگیری عمیق است و در این دوره شما دانش اساسی و مهارت عملی برای ساخت مدلهای قدرتمند هوش مصنوعی از ابتدا تنها با چند خط کد را به دست خواهید آورد. چه یک مبتدی در زمینه هوش مصنوعی باشید و چه یک دانشمند داده مشتاق، این دوره شما را در تسلط به مفاهیم اصلی یادگیری عمیق از جمله معماری ترنسفورمرها راهنمایی خواهد کرد.
- مهمتر از همه، شما توانایی ساخت مدلهای زبان خودتان، مشابه GPT1، با استفاده از معماری ترنسفورمر را به دست خواهید آورد.
- شما شهود اصلی پشت الگوریتمهای یادگیری عمیق را درک کرده و به تکنیکهای ساخت شبکههای عصبی عمیق مسلط خواهید شد.
- شما به طور عمیق با معماریهای مختلف شبکههای عصبی مانند CNN، RNN ،LSTM ،GRU و مهمتر از همه، ترنسفورمرها که پایه و اساس آخرین مدلهای هوش مصنوعی، مدلهای زبان بزرگ (LLM) و مدلهای چندوجهی بزرگ (LMM) هستند، آشنا خواهید شد.
- با پروژههای عملی، شما مدلهای خودتان را از ابتدا با استفاده از دادههای عمومی آموزش خواهید داد.
- شما تجربه دنیای واقعی در حل مسائل بینایی کامپیوتر، پیشبینی سریهای زمانی و پردازش زبان طبیعی (NLP) از جمله مدلسازی زبان را به دست خواهید آورد.
در پایان دوره، شما نه تنها چگونگی کارکرد یادگیری عمیق را درک خواهید کرد، بلکه اعتماد به نفس لازم برای اعمال آن در مسائل دنیای واقعی و LLM ها را با استفاده از ابزارهایی مانند TensorFlow و Keras برای ساخت راهحلهای پیشرفته هوش مصنوعی خواهید داشت.
این دوره برای چه کسانی مناسب است؟
- هر متخصصی که میخواهد مدلهای یادگیری عمیق و زبان را از ابتدا بسازد.
- هر متخصص IT که میخواهد یک اصول قوی در یادگیری عمیق و هوش مصنوعی ایجاد کند.
- هر کسی که به هوش مصنوعی و درک اصول یادگیری عمیق علاقهمند است.
- دانشمندان داده، مهندسان داده، مهندسان یادگیری ماشین (ML) که میخواهند مهارتهای خود را در هوش مصنوعی و یادگیری عمیق (DL) ارتقا دهند.
تسلط به یادگیری عمیق: اصول هوش مصنوعی خود را بسازید
-
خوش آمدید 20:11
-
هوش مصنوعی چیست؟ 01:25
-
فناوری هوش مصنوعی از چه تشکیل شده است؟ رابطه بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق 01:49
-
برنامهنویسی کلاسیک در مقابل یادگیری ماشین 03:34
-
درک یادگیری ماشین با یک مشکل طبقهبندی 04:14
-
نمایش دادههای ورودی 04:24
-
معنای «عمیق» در یادگیری عمیق 02:15
-
خلاصه 02:39
-
شهود پشت یک الگوریتم یادگیری ماشین سطحی 14:53
-
شهود پشت یک الگوریتم یادگیری عمیق ساده 20:06
-
وزنها (یا پارامترها) مدل یادگیری عمیق 09:55
-
توابع فعالسازی 11:39
-
توابع زیان 05:15
-
بهینهسازها (کاهش گرادیان) 17:47
-
جزئیات و راهاندازی دوره 16:48
-
پروژه اول: ساخت طبقهبند تصویر با آموزش روی دادههای Fashion MNIST 35:15
-
TensorFlow و Keras 10:08
-
مبانی TensorFlow 29:34
-
مبانی Keras 56:24
-
مقدمهای بر شبکههای عصبی کانولوشنی (CNN) 52:01
-
پروژه: ساخت مدل طبقهبند تصویر با CNN 33:39
-
افزایش داده 14:31
-
یادگیری انتقال: استخراج ویژگی از مدل از پیش آموزشدیده VGG16 46:04
-
یادگیری انتقال: تیونینگ دقیق با ثابت نگه داشتن لایههای پایه 18:32
-
یادگیری انتقال: تنظیم دقیق لایههای منتخب 08:00
-
یادگیری انتقالی: تنظیم دقیق همه لایهها 08:41
-
مفاهیم پیشرفته یادگیری عمیق 29:16
-
پروژه: ساخت طبقهبند تصویر با معماری مشابه Mini-Xception 31:34
-
پروژه: ساخت مدل بخشبندی تصویر 35:36
-
شبکههای عصبی بازگشتی (RNN) و دادههای دنبالهای 40:50
-
LSTM و GRU 25:22
-
پروژه: ساخت مدلهای سری زمانی برای پیشبینی ترافیک دوچرخه در سیاتل 01:23:48
-
مقدمهای بر NLP - مدل کیسه کلمات (BOW)، RNN و LSTM و GRU 54:48
-
پروژه: تحلیل احساسات روی نظرات IMDB: مدل کیسه کلمات 57:41
-
تحلیل احساسات روی نظرات IMDB: مدلهای دنبالهای - BiLSTM 49:34
-
معماری ترنسفورمرها - رمزگذار 42:57
-
تحلیل احساسات روی نظرات IMDB: رمزگذار ترنسفورمر 52:18
-
ترجمه: مدل رمزگذار-رمزگشا با RNN 27:46
-
ترجمه: مدل رمزگذار-رمزگشا با ترنسفورمرها 18:41
-
پروژه: ترجمه ماشینی انگلیسی به اسپانیایی با GRU 55:07
-
پروژه: ترجمه ماشینی انگلیسی به اسپانیایی با ترنسفورمرها 37:59
-
تولید متن: ترنسفورمرهای فقط-رمزگشا 15:49
-
پروژه: ساخت مدل زبانی تولید متن خود 35:46
-
نتیجهگیری و تشکر 12:31
مشخصات آموزش
تسلط به یادگیری عمیق: اصول هوش مصنوعی خود را بسازید
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:44
- مدت زمان :19:17:06
- حجم :9.65GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy