دوره آموزشی
دوبله زبان فارسی
بررسی عمیق یادگیری عمیق 2023 و 2024 - ++C و Chat GPT و موارد دیگر
✅ سرفصل و جزئیات آموزش
در این دوره پیشرفته ترین فناوری حال حاضر هوش مصنوعی را با ترکیبی از ++C و GEN AI و Chat GPT و موارد زیادی می آموزید.
آنچه یاد خواهید گرفت
- درک عالی در هوش مصنوعی و یادگیری عمیق
- درک عالی در استفاده از کتابخانه های هوش مصنوعی مانند NUMPY و PANDAS
- یک ذهن رویاپرداز برای نوآوری در آینده
- چگونه یک شبکه عصبی را از ابتدا ایجاد کرده و به ++C اکسپورت کنیم؟
- درک منسجم اولیه از پایتون و ++C (معرفی Libtorch)
- بررسی ادبیات MLOPS (عملیات های یادگیری ماشین) برای ایجاد موثر مدل های هوش مصنوعی
- درک عالی از Pytorch و Pytorch Lightning که بسیار نادر است.
- توانایی درک و آموزش کامپیوتر در بینایی کامپیوتری
- پردازش زبان طبیعی - ایجاد مدل هوش مصنوعی برای تحلیل احساسات پشت توییت ها
- درک منسجمی از ریاضیات پشت هوش مصنوعی و بسیاری مفاهیم پیشرفته
- روش های مختلف برای اکسپورت مدل های هوش مصنوعی سخت آموزش دیده شما
- چگونه به طور موثر از Chat GPT در طول سفر علم داده خود در آینده استفاده کنید؟
- درک اولیه از نحوه استفاده از CMAKE
توضیحات دوره
این دوره شما را به سفر یادگیری جامع می برد و در پیشرفته ترین مفاهیم هوش مصنوعی مانند موارد زیر شما را راهنمایی می کند:
- بینایی کامپیوتری
- Generative A.I
- RNN
- رمزگذار خودکار متغیر
- Pytorch با پایتون و ++C
- Numpy و Pandas
- و خیلی موارد دیگر
در این دوره، سفری را برای توسعه هوش مصنوعی در حوزه های مختلف، از جمله تحلیل بازار سهام، تولید چهره انسان، طبقه بندی تصویر و موارد دیگر آغاز می کنیم. این دوره نه تنها اصول برنامه نویسی و ریاضیات شما را تقویت می کند، بلکه شما را به ساخت راه حل های هوش مصنوعی در دو زبان مجزا: پایتون و ++C مجهز می کند. این مهارت در هر دو زبان، دارایی کمیاب و ارزشمند در فضای یادگیری عمیق است.
علاوه بر این، ما بهترین شیوه ها را که امکان ایجاد سیستماتیک راه حل های هوش مصنوعی را فراهم می کند بررسی می کنیم. ما به تئوری MLOPS (عملیات های یادگیری ماشین) می پردازیم، توانایی های شما را افزایش می دهیم و استعدادهای شما را در بازار رقابتی هوش مصنوعی به خوبی می درخشانیم.
همچنین بررسی می کنیم که چگونه Chat GPT LLM می تواند توسعه هوش مصنوعی ما را در حوزه علم داده افزایش داده و تسریع بخشد. این بخش به ویژه جذاب است، زیرا Chat GPT به عنوان یک دستیار ارزشمند در رسیدگی به تسک های تکراری و بدون منطق عمل می کند که موجب می شود سفر هوش مصنوعی ما هیجان انگیزتر و کارآمدتر باشد.
این دوره برای چه کسانی مناسب است؟
- افرادی که می خواهند مطالب جدید را به خصوص در زمینه فناوری کشف کنند.
- افرادی که می خواهند در علم داده یا حوزه هوش مصنوعی متخصص شوند.
- افرادی که عاشق خلق و ابداع چیزهای جدید هستند.
- افرادی که می خواهند رهبران آینده شوند.
بررسی عمیق یادگیری عمیق 2023 و 2024 - ++C و Chat GPT و موارد دیگر
-
مقدمه 03:00
-
چرا هوش مصنوعی در حال حاضر رونق گرفته است؟ 12:14
-
مباحث دوره 13:39
-
هوش مصنوعی در واقع چگونه یاد می گیرد؟ 21:05
-
یادگیری نظارت شده در مقابل یادگیری نظارت نشده 14:58
-
کتابخانه های معروف در زمینه هوش مصنوعی 05:58
-
درس 1 04:32
-
درس 2 10:45
-
درس 3 06:58
-
درس 4 09:57
-
آزمون Colab None
-
پایتون - بخش 1 02:43
-
پایتون - بخش 2 09:14
-
پایتون - بخش 3 14:47
-
پایتون - بخش 4 14:16
-
پایتون - بخش 5 10:13
-
پایتون - بخش 6 17:57
-
پایتون - بخش 7 13:28
-
پایتون - بخش 8 11:03
-
پایتون - بخش 9 07:57
-
پایتون - بخش 10 15:57
-
آزمون پایتون None
-
مقدمه 06:57
-
لیست پایتون در مقابل NUMPY 10:02
-
Numpy - درس 1 07:52
-
Numpy - درس 2 11:05
-
Numpy - درس 3 08:54
-
Numpy - درس 4 10:38
-
Numpy - درس 5 05:46
-
Numpy - درس 6 04:07
-
آزمون Numpy None
-
مقدمه Pandas 04:54
-
Pandas - درس 1 06:49
-
Pandas - درس 2 07:26
-
Pandas - درس 3 05:58
-
Pandas - درس 4 06:56
-
Pandas - درس 5 08:52
-
آزمون Pandas None
-
مقدمه 01:52
-
Pytorch - بخش 1 05:42
-
Pytorch - بخش 2 12:53
-
Pytorch - بخش 3 09:01
-
Pytorch - بخش 4 04:32
-
Pytorch - بخش 5 12:26
-
Pytorch - بخش 6 17:11
-
Pytorch - بخش 7 07:19
-
Pytorch - بخش 8 14:48
-
پس انتشار - بخش 1 10:03
-
پس انتشار - بخش 2 09:02
-
Torch Autograd - بخش 1 12:35
-
Torch Autograd - بخش 2 15:25
-
آزمون Pytorch None
-
مقدمه 03:37
-
درس 1 05:16
-
درس 2 09:21
-
درس 3 08:35
-
درس 4 08:08
-
درس 5 10:43
-
درس 6 16:40
-
درس 7 13:43
-
درس 8 10:12
-
درس 9 09:12
-
درس 10 06:23
-
درس 11 06:11
-
پیش بینی ها 06:11
-
توابع فعال سازی چیست؟ 03:42
-
تابع فعالسازی سیگموئید 11:20
-
TanH 11:23
-
فعال سازی ReLU 08:56
-
فعال سازی LeakyReLU 10:29
-
فعال سازی Softmax 11:48
-
آزمون تابع فعال سازی None
-
مقدمه 05:41
-
خطای میانگین مربعات 10:38
-
میانگین خطای مطلق 06:04
-
ضرر آنتروپی متقاطع 16:57
-
آزمون تابع Loss None
-
مقدمه 13:28
-
کد کوچک - عملی 09:01
-
CNN چگونه کار می کند؟ 12:26
-
Pooling 08:58
-
Padding 06:20
-
یوزکیس های CNN 08:17
-
آزمون شبکه های عصبی کانولوشن (CNN) None
-
بررسی پروژه 04:04
-
بررسی مجموعه داده ها 04:35
-
توسعه مجموعه داده - بخش 1 12:03
-
توسعه مجموعه داده - بخش 2 13:10
-
بررسی مدل 00:52
-
توسعه مدل - بخش 1 08:04
-
توسعه مدل - بخش 2 05:06
-
توسعه مدل - بخش 3 07:39
-
توسعه مدل - بخش 4 07:42
-
توسعه مدل - بخش 5 12:02
-
توسعه مدل - بخش 6 06:43
-
توسعه مدل - بخش 7 06:01
-
توسعه مدل - بخش 8 02:56
-
توسعه مدل - بخش 9 07:02
-
مدل های از پیش آموزش دیده چیست؟ 09:27
-
چند مدل معروف CNN 06:19
-
یادگیری انتقالی چیست؟ 07:25
-
پیاده سازی یادگیری انتقالی 14:49
-
مقدمه 05:43
-
قاعده L1 و L2 10:04
-
نمودار قاعده L1 و L2 13:55
-
پیاده سازی L1 و L2 11:33
-
مقدمه Dropout 10:41
-
پیاده سازی Dropout 05:31
-
توقف زودهنگام (یک ناهار رایگان) 06:27
-
پیاده سازی توقف زودهنگام 13:47
-
نرمال سازی دسته ای 17:40
-
زمانبندی نرخ یادگیری 16:50
-
برش گرادیان 11:29
-
Torch AMP - بخش 1 12:10
-
Torch AMP - بخش 2 06:08
-
راه اندازی فایل YAML و INI 13:23
-
مقدمه 11:42
-
ریاضیات پشت RNN 27:35
-
انواع RNN 06:15
-
مشکل محوشدگی گرادیان RNN 12:47
-
LSTM 17:44
-
درس 1 03:55
-
درس 2 03:12
-
درس 3 08:04
-
درس 4 13:57
-
درس 5 07:51
-
درس 6 09:12
-
درس 7 14:06
-
درس 8 07:44
-
درس 9 08:38
-
درس 10 02:49
-
درس 11 - پیش بینی ها 11:47
-
مقدمه 03:13
-
Pytorch در مقابل Pytorch Lightning 04:59
-
درس 1 09:16
-
درس 2 07:00
-
درس 3 07:49
-
درس 4 10:06
-
درس 5 06:48
-
درس 6 07:28
-
درس 7 14:05
-
درس 8 08:54
-
درس 9 07:57
-
درس 10 07:14
-
درس 11 18:26
-
درس 12 25:51
-
درس 13 10:22
-
درس 14 05:58
-
درس 15 09:24
-
درس 16 07:23
-
درس 17 11:12
-
درس 18 05:59
-
درس 19 14:14
-
درس 20 11:57
-
مقدمه 08:11
-
Generative A.I چگونه کار می کند؟ 12:02
-
شبکه مولد متخاصم 08:48
-
خودرمزگذار چیست؟ 09:26
-
محدودیت های خودرمزگذارها 07:58
-
معماری VAE 07:45
-
توزیع نرمال چیست؟ 08:52
-
درس 1 01:42
-
درس 2 11:50
-
درس 3 02:37
-
درس 4 08:34
-
درس 5 04:20
-
درس 6 09:33
-
درس 7 15:29
-
درس 8 08:28
-
درس 9 17:47
-
درس 10 05:01
-
درس 11 08:11
-
دستکاری چهره ها - بخش 1 17:00
-
دستکاری چهره ها - بخش 2 14:56
-
آزمون None
-
مقدمه 04:09
-
ذخیره و بارگذاری مدل - بخش 1 11:11
-
ذخیره و بارگذاری مدل - بخش 2 06:49
-
Torch JIT 12:36
-
ONNX - تبادل شبکه عصبی باز 12:21
-
آزمون None
-
مقدمه 02:08
-
مبانی ++C - بخش 1 12:55
-
مبانی ++C - بخش 2 20:32
-
نصب Libtorch 15:33
-
مبانی Libtorch 08:52
-
ایجاد شبکه عصبی با ++Libtorch C 09:57
-
اکسپورت مدل شبکه عصبی هوش مصنوعی پایتون به ++C 11:44
-
جمع بندی Libtorch 02:51
-
MLOPS - درس 1 07:45
-
MLOPS - درس 2 05:42
-
MLOPS - درس 3 05:41
-
MLOPS - درس 4 08:09
-
MLOPS - درس 5 05:26
-
MLOPS - درس 6 09:41
-
MLOPS - درس 7 07:33
-
GPT - بخش 1 15:22
-
GPT - بخش 4 16:47
-
GPT - بخش 2 13:04
-
GPT - بخش 3 17:59
-
GPT - بخش 5 17:08
-
گزینه های شغلی آینده 14:49
-
جمع بندی 10:29
مشخصات آموزش
بررسی عمیق یادگیری عمیق 2023 و 2024 - ++C و Chat GPT و موارد دیگر
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:مقدماتی
- تعداد درس:203
- مدت زمان :31:21:56
- حجم :10.36GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
651,500
130,300 تومان
- زمان: 01:39:55
- تعداد درس: 6
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,889,000
377,800 تومان
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,501,000
300,200 تومان
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
490,000
98,000 تومان
- زمان: 54:55
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,797,000
359,400 تومان
- زمان: 04:33:59
- تعداد درس: 86
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
490,000
98,000 تومان
- زمان: 55:18
- تعداد درس: 9
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
490,000
98,000 تومان
- زمان: 48:56
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,797,500
559,500 تومان
- زمان: 07:05:39
- تعداد درس: 75
-
سطح دوره:
-
زبان: دوبله فارسی