یادگیری عمیق و هوش مصنوعی مولد

آنچه یاد خواهید گرفت:

• اصول اولیه شبکه‌های عصبی مصنوعی و چگونگی آموزش آن‌ها را فرا خواهید گرفت.
• شبکه‌های عصبی کانولوشن (CNNs) را برای طبقه‌بندی تصاویر و تشخیص آبجکت ها با استفاده از Python پیاده‌سازی و آموزش خواهید داد.
• شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM) را برای پیش‌بینی و تحلیل داده‌های سری زمانی طراحی و به کار خواهید گرفت.
• مدل‌های Transformer مانند مدل‌های نوع GPT را برای تسک های مختلف پردازش زبان طبیعی، ایجاد، تنظیم دقیق و پیاده‌سازی خواهید کرد.
• شبکه‌های مولد تخاصمی (GANs) را برای تولید تصاویر و داده‌های مصنوعی واقع‌گرایانه ایجاد و آموزش خواهید داد.
• انکودرهای خودکار متغیر (VAEs) را برای فشرده‌سازی داده و تسک های تولید، ساخت و استفاده خواهید کرد.
• متدهای انتقال سبک و Stable Diffusion را برای تغییر و بهبود خلاقانه تصاویر اعمال خواهید کرد.

پیش نیازهای دوره

• داشتن درک اولیه از مفاهیم برنامه‌نویسی توصیه می‌شود، اما الزامی نیست. آشنایی با Python برای تمرینات کدنویسی مفید خواهد بود. دسترسی به کامپیوتر با اتصال اینترنت برای استفاده از دموها و محیط‌های تعاملی مورد نیاز است.

توضیحات دوره

به دوره «یادگیری عمیق و هوش مصنوعی مولد» خوش آمدید! این دوره جامع برای هر کسی طراحی شده است که به دنیای هیجان‌انگیز یادگیری عمیق و generative AI علاقه‌مند است، چه یک مبتدی بدون تجربه برنامه‌نویسی باشید و چه یک توسعه‌دهنده باتجربه که به دنبال گسترش مهارت‌های خود است.

آنچه در این دوره فرا خواهید گرفت:

• اصول یادگیری عمیق و شبکه‌های عصبی مصنوعی: درک کاملی از مفاهیم و معماری‌های اولیه که ستون فقرات هوش مصنوعی مدرن را تشکیل می‌دهند، به دست آورید.
• شبکه‌های عصبی کانولوشن (CNNs): یاد بگیرید چگونه CNNs را برای تسک های طبقه‌بندی تصاویر و تشخیص آبحکت ها با استفاده از Python و کتابخانه‌های محبوب یادگیری عمیق پیاده‌سازی و آموزش دهید.
• شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM): کاربرد شبکه‌های LSTM را برای پیش‌بینی و تحلیل داده‌های سری زمانی کشف کنید و توانایی خود را در کار با داده‌های ترتیبی افزایش دهید.
• مدل‌های Transformer: به بررسی دنیای مدل‌های Transformer، از جمله مدل‌های نوع GPT، بپردازید و یاد بگیرید چگونه این مدل‌ها را برای تسک های مختلف پردازش زبان طبیعی بسازید، تنظیم دقیق کنید و پیاده‌سازی نمایید.
• شبکه‌های مولد تخاصمی (GANs): اصول پشت GANs را درک کنید و یاد بگیرید چگونه آن‌ها را برای تولید تصاویر و داده‌های مصنوعی واقع‌گرایانه ایجاد و آموزش دهید.
• انکودرهای خودکار متغیر (VAEs): کشف کنید چگونه VAEs را برای فشرده‌سازی و تولید داده بسازید و از آن‌ها استفاده کنید و کاربردها و مزایایشان را درک نمایید.
• انتقال سبک و Stable Diffusion: با تکنیک‌های انتقال سبک و متدهای Stable Diffusion برای تغییر و بهبود خلاقانه تصاویر تجربه کنید.

ویژگی‌های دوره:

• تمرینات کدنویسی تعاملی: با تمرینات عملی کدنویسی که برای تقویت یادگیری و ساخت مهارت‌های عملی طراحی شده‌اند، درگیر شوید.
• دموها و محیط‌های تعاملی مناسب کاربر: برای کسانی که رویکرد بصری و تعاملی را ترجیح می‌دهند، دوره ما شامل دموها و محیط‌های تعاملی برای آزمایش مدل‌های هوش مصنوعی بدون نیاز به کدنویسی است.
• مثال‌های دنیای واقعی: هر ماژول شامل مثال‌های واقعی و مطالعات موردی است تا نشان دهد این تکنیک‌ها چگونه در صنایع مختلف به کار می‌روند.
• یادگیری مبتنی بر پروژه‌: آموخته‌های خود را با کار بر روی پروژه‌هایی که سناریوهای دنیای واقعی را شبیه‌سازی می‌کنند، به کار گیرید و به شما امکان می‌دهد تا یک پورتفولیو از پروژه‌های هوش مصنوعی بسازید.

این دوره برای چه کسانی است؟

• علاقه‌مندان مشتاق به هوش مصنوعی: افرادی که تجربه برنامه‌نویسی قبلی ندارند و می‌خواهند هوش مصنوعی را از طریق رابط‌های کاربری بصری درک کرده و از آن استفاده کنند.
• توسعه‌دهندگان و دانشمندان داده: متخصصانی که به دنبال تعمیق درک خود از تکنیک‌های یادگیری عمیق و هوش مصنوعی مولد هستند.
• دانشجویان و پژوهشگران: یادگیرندگانی که می‌خواهند پیشرفت‌های روز در هوش مصنوعی را کشف کرده و آن‌ها را در مطالعات یا پروژه‌های تحقیقاتی خود اعمال کنند.

این دوره برای چه کسانی مناسب است؟

• این دوره برای هر کسی طراحی شده است که به یادگیری عمیق و generative AI علاقه‌مند است، از جمله مبتدیان بدون تجربه برنامه‌نویسی که می‌خواهند از طریق رابط‌های کاربری آسان از هوش مصنوعی استفاده کنند، و همچنین برنامه‌نویسانی که به دنبال تعمیق درک و مهارت‌های خود در این زمینه هستند.