دوره آموزشی
دوبله زبان فارسی
آموزش NVIDIA Modulus - موضوعات پیشرفته
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- I-PINNها برای مسئله جریان هیت سینک دوبعدی
- DeepONet برای مسئله یکپارچگی
- عملگر عصبی فوریه (FNO) برای مسئله دارسی
- PINNها برای مسئله الاستیسیته خطی سهبعدی
- PINNها برای محاسبه چند دامنهای سیال و جامد سهبعدی
- PINNها برای بهینهسازی هندسی سهبعدی برای مسئله جریان مبدل حرارتی
پیشنیازهای دوره
- ریاضی دبیرستان
- دانش اولیه پایتون
توضیحات دوره
این دوره مربوط به موضوعات پیشرفته مرتبط با PINNها با NVIDIA Modulus است. ما موضوعات PINNهای معکوس، شبکه عملگر عصبی عمیق با DeepONet، شبکه عملگر عصبی عمیق با عملگر عصبی فوریه، PINN برای مسئله الاستیسیته خطی سهبعدی، PINNها برای محاسبات چند دامنهای و بهینهسازی هندسی با PINNها را پوشش خواهیم داد.
مهارتهایی که یاد خواهید آموخت:
- درک ریاضیات پشت حل معادلات دیفرانسیل جزئی با I-PINNها و PINNها، شبکه عملگر عصبی عمیق برای DeepONet همراه با عملگر عصبی فوریه، محاسبات چند دامنهای و در نهایت بهینهسازی هندسی با PINNها
- نوشتن و ساختن الگوریتمهای یادگیری ماشین برای حل PINNها با Nvidia Modulus
- پسپردازش نتایج
- پیشپردازش داده و آپلود آن در Nvidia Modulus
- استفاده از کتابخانههای متن باز
اگر تجربه قبلی در یادگیری ماشین یا مهندسی محاسبات ندارید، اشکالی ندارد. اما توصیه میشود که با مبانی استفاده از کد و اجرای آن در Nvidia Modulus آشنا باشید.
این دوره برای چه کسانی مناسب است؟
- مهندسان و برنامهنویسانی که میخواهند PINNها را یاد بگیرند.
- کسانی که میخواهند موضوعات پیشرفته NVIDIA Modulus را یاد بگیرند.
آموزش NVIDIA Modulus - موضوعات پیشرفته
-
مقدمه 04:31
-
ساختار دوره 06:45
-
نظریه PINNهای معکوس 10:49
-
تعریف مسئله 02:49
-
تعریف داده 03:11
-
تعریف فایل پیکربندی 08:40
-
ایمپورت کتابخانههای مورد نیاز 16:52
-
تعریف معادله حاکم 05:28
-
تعریف شبکه عصبی عمیق 12:50
-
اضافه کردن داده 13:13
-
اضافه کردن مانیتور ارزش معکوس 03:56
-
حل 12:36
-
پسپردازش نتایج 05:09
-
نظریه عملگرهای عصبی عمیق 22:14
-
تعریف مسئله 03:29
-
تعریف داده 03:51
-
تعریف فایل پیکربندی 05:33
-
ایمپورت کتابخانههای مورد نیاز 07:39
-
تعریف شبکه عصبی عمیق 06:28
-
بارگذاری داده 04:49
-
اضافه کردن محدودیت داده 02:48
-
اضافه کردن اعتبارسنج نتایج 05:16
-
حل 05:45
-
پسپردازش نتایج 09:29
-
نظریه عملگر عصبی فوریه (FNO) 17:20
-
مسئله جریان دارسی 02:32
-
تعریف فایل پیکربندی 06:57
-
ایمپورت کتابخانههای مورد نیاز 06:21
-
تعریف داده 10:50
-
تعریف شبکه عصبی عمیق 03:43
-
اضافه کردن محدودیت داده 02:50
-
اضافه کردن اعتبارسنج 02:46
-
حل 03:58
-
View نتایج 02:08
-
مسئله تحلیل تنش سهبعدی 05:09
-
تعریف فایل پیکربندی 07:35
-
ایمپورت کتابخانههای مورد نیاز 08:54
-
تعریف معادله حاکمه 08:29
-
تعریف DNN 05:34
-
تعریف هندسه - قسمت A 12:28
-
تعریف هندسه - قسمت B 15:59
-
تعریف شرایط مرزی و محدودیتهای داخلی 18:24
-
حل 07:45
-
پسپردازش نتایج 13:30
-
مسئله چند دامنه سیال و جامد سهبعدی 03:30
-
فایل پیکربندی جریان 11:55
-
تعریف هندسه - قسمت A 29:36
-
تعریف هندسه - قسمت B 20:49
-
تعریف هندسه - قسمت C 12:19
-
جریان: ایمپورت کتابخانههای مورد نیاز 12:17
-
جریان: تعریف معادله حاکم و DNN 09:32
-
جریان: تعریف شرایط مرزی و محدودیتهای داخلی 24:47
-
جریان: اضافه کردن مانیتور 04:40
-
حرارتی: فایل پیکربندی 11:01
-
حرارتی: ایمپورت کتابخانههای مورد نیاز 11:35
-
حرارتی: تعریف معادله حاکم و DNN 14:10
-
حرارتی: تعریف شرایط مرزی و محدودیتهای داخلی 30:08
-
اجرای کد جریان 14:03
-
اجرای کد حرارتی 11:39
-
بررسی نتایج 16:57
-
هندسه پارامتری سهبعدی 00:58
-
بروزرسانی هندسه 05:00
-
بروزرسانی شبکه جریان 04:00
-
بروزرسانی شبکههای حرارتی 00:31
-
اجرا (آموزش مجدد تمام موارد) 02:56
-
view نتایج 05:22
مشخصات آموزش
آموزش NVIDIA Modulus - موضوعات پیشرفته
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:66
- مدت زمان :10:05:07
- حجم :12.82GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy