دوره آموزشی
دوبله زبان فارسی
تسلط به GANs از ابتدا - پیاده سازی 11 مدل تغییر دهنده بازی
✅ سرفصل و جزئیات آموزش
در این دوره از تئوری تا کاربرد با راهنمای کامل مبتدیان برای تسلط به GANs با PyTorch آشنا می شوید.
آنچه یاد خواهید گرفت
- شبکه های مولد متخاصم (GAN) چگونه عمل می کنند؟
- پیاده سازی GANs از ابتدا با استفاده از PyTorch
- تحلیل عمیق GANs - باز کردن جعبه سیاه
- بررسی مقالات پژوهشی تاثیرگذار
پیش نیازهای دوره
- دانش اولیه برنامه نویسی
- دانش اولیه یادگیری ماشین
توضیحات دوره
چرا این دوره GAN را انتخاب کنید؟
- پیاده سازی عملی PyTorch - با آموزش های عملی PyTorch شما GANs را از ابتدا می سازید.
- بررسی 11 مقاله کلیدی - مدل های سمینال GAN را از معماری اصلی تا انواع پیشرفته، درک و پیاده می کنید.
- تسلط به واریانت های Loss در GAN - مدل هایی را با استفاده از vanilla GAN و LSGAN و WGAN و WGAN-GP، توابع loss و تطبیق ویژگی برای حل چالش های واقعی پیاده کرده و آموزش می دهید.
آنچه به دست خواهید آورد:
- پیاده سازی GANs از ابتدا با استفاده از PyTorch
- آموزش و ارزیابی مدل هایی مانند ALI و LSGAN و WGAN و WGAN-GP و Pix2Pix و CycleGAN برای مقابله با چالش های واقعی
- تسلط به تکنیک های آموزش متخاصم
- استفاده از GANs برای حل چالش های واقعی هوش مصنوعی
این دوره برای چه کسانی مناسب است؟
- مهندسان و برنامه نویسان
- دانشجویان و محققان
- کارآفرینان، مدیر عاملان و مدیران ارشد فناوری
- علاقه مندان به یادگیری ماشین
تسلط به GANs از ابتدا - پیاده سازی 11 مدل تغییر دهنده بازی
-
مقدمه 20:32
-
بررسی مقاله 19:35
-
پیاده سازی از ابتدا - ژنراتور و Discriminator 15:31
-
پیاده سازی از ابتدا - حلقه آموزش 18:39
-
پیاده سازی از ابتدا - سیگنال گرادیان بهتر برای ژنراتور 06:26
-
پیاده سازی از ابتدا - Helpers 09:54
-
پیاده سازی از ابتدا - تابع Main 02:26
-
پیاده سازی از ابتدا - نتایج 06:06
-
بررسی کد نهایی 11:46
-
بررسی مقاله 08:23
-
پیاده سازی از ابتدا - ژنراتور و Discriminator 14:39
-
پیاده سازی از ابتدا - Helpers 04:37
-
پیاده سازی از ابتدا - Schedulers 04:22
-
پیاده سازی از ابتدا - نتایج 06:58
-
بررسی کد نهایی 09:06
-
بررسی مقاله 18:19
-
پیاده سازی از ابتدا - ژنراتور 11:00
-
پیاده سازی از ابتدا - Discriminator 08:20
-
پیاده سازی از ابتدا - مجموعه داده - بخش 1 12:38
-
پیاده سازی از ابتدا - مجموعه داده - بخش 2 09:30
-
پیاده سازی از ابتدا - مجموعه داده - بارگذار داده 16:22
-
پیاده سازی از ابتدا - مقداردهی اولیه وزن 06:08
-
پیاده سازی از ابتدا - حلقه آموزش 06:09
-
پیاده سازی از ابتدا - تابع Main 03:16
-
پیاده سازی از ابتدا - نتایج پس از 1 دوره 15:47
-
پیاده سازی از ابتدا - نتایج پس از 5 دوره 01:54
-
بررسی کد نهایی 22:09
-
بررسی مقاله 18:18
-
بررسی مقاله - نتایج 07:38
-
بررسی مقاله - یادگیری نیمه نظارتی 09:39
-
پیاده سازی از ابتدا - ژنراتور 07:59
-
پیاده سازی از ابتدا - Discriminator 13:30
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 1 17:33
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 2 09:18
-
پیاده سازی از ابتدا - ترفند Log-Sum-Exp 05:20
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 3 12:48
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 4 05:32
-
پیاده سازی از ابتدا - تست 08:02
-
پیاده سازی از ابتدا - Helpers 17:01
-
پیاده سازی از ابتدا - تابع Main - بخش 1 15:13
-
پیاده سازی از ابتدا - تابع Main - بخش 2 07:48
-
پیاده سازی از ابتدا - نتایج 03:50
-
بررسی کد نهایی 24:23
-
بررسی مقاله 15:28
-
پیاده سازی از ابتدا - ژنراتور 02:20
-
پیاده سازی از ابتدا - Discriminator 01:53
-
پیاده سازی از ابتدا - حلقه آموزش 07:43
-
پیاده سازی از ابتدا - Helpers - بخش 1 12:34
-
پیاده سازی از ابتدا - Helpers - بخش 2 04:01
-
پیاده سازی از ابتدا - Helpers - بخش 3 05:28
-
پیاده سازی از ابتدا - Helpers - بخش 4 03:58
-
پیاده سازی از ابتدا - نتایج - بخش 1 09:11
-
پیاده سازی از ابتدا - نتایج - بخش 2 01:52
-
بررسی کد نهایی 08:45
-
بررسی مقاله 24:07
-
پیاده سازی از ابتدا - ژنراتور - بخش 1 18:30
-
پیاده سازی از ابتدا - ژنراتور - بخش 2 08:06
-
پیاده سازی از ابتدا - PatchGAN - بخش 1 09:00
-
پیاده سازی از ابتدا - PatchGAN - بخش 2 02:34
-
پیاده سازی از ابتدا - حلقه آموزش 09:57
-
پیاده سازی از ابتدا - مجموعه داده 01:44
-
پیاده سازی از ابتدا - بارگذار داده 12:39
-
پیاده سازی از ابتدا - مقداردهی اولیه وزن 01:33
-
پیاده سازی از ابتدا - تابع Main - بخش 1 11:08
-
پیاده سازی از ابتدا - تابع Main - بخش 2 04:24
-
پیاده سازی از ابتدا - نتایج 12:14
-
بررسی کد نهایی 17:07
-
بررسی مقاله 18:32
-
پیاده سازی از ابتدا - ژنراتور 04:45
-
پیاده سازی از ابتدا - Discriminator 01:56
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 1 11:58
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 2 04:03
-
پیاده سازی از ابتدا - تابع Main 04:41
-
پیاده سازی از ابتدا - نتایج 17:34
-
بررسی کد نهایی 12:12
-
بررسی مقاله 14:04
-
پیاده سازی از ابتدا - ژنراتور - بخش 1 08:27
-
پیاده سازی از ابتدا - ژنراتور - بخش 2 13:43
-
پیاده سازی از ابتدا - Discriminator - بخش 1 04:32
-
پیاده سازی از ابتدا - Discriminator - بخش 2 04:27
-
پیاده سازی از ابتدا - حلقه آموزش 16:17
-
پیاده سازی از ابتدا - تابع Main 02:10
-
پیاده سازی از ابتدا - نتایج 04:20
-
بررسی کد نهایی 17:45
-
بررسی مقاله 15:38
-
پیاده سازی از ابتدا - ژنراتور - شبکه استنتاج 16:17
-
پیاده سازی از ابتدا - ژنراتور - شبکه مولد 08:03
-
پیاده سازی از ابتدا - Discriminator 10:30
-
پیاده سازی از ابتدا - حلقه آموزش 10:01
-
پیاده سازی از ابتدا - Helpers 06:35
-
پیاده سازی از ابتدا - تابع Main 11:11
-
پیاده سازی از ابتدا - نتایج 04:23
-
بررسی کد نهایی 13:12
-
بررسی مقاله 13:21
-
پیاده سازی از ابتدا - ژنراتور - شبکه مولد 07:39
-
پیاده سازی از ابتدا - ژنراتور - شبکه استنتاج 02:58
-
پیاده سازی از ابتدا - Discriminator 02:35
-
پیاده سازی از ابتدا - حلقه آموزش 04:53
-
پیاده سازی از ابتدا - تابع Main 08:33
-
پیاده سازی از ابتدا - نتایج 11:07
-
بررسی کد نهایی 09:04
-
بررسی مقاله 17:39
-
پیاده سازی از ابتدا - ژنراتور - بخش 1 15:18
-
پیاده سازی از ابتدا - ژنراتور - بخش 2 08:59
-
پیاده سازی از ابتدا - ژنراتور - بخش 3 02:45
-
پیاده سازی از ابتدا - Discriminator 05:24
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 1 11:12
-
پیاده سازی از ابتدا - حلقه آموزش - بخش 2 07:09
-
پیاده سازی از ابتدا - مجموعه داده - بخش 1 07:36
-
پیاده سازی از ابتدا - مجموعه داده - بخش 2 05:22
-
پیاده سازی از ابتدا - بافر 05:59
-
پیاده سازی از ابتدا - تابع Main 08:53
مشخصات آموزش
تسلط به GANs از ابتدا - پیاده سازی 11 مدل تغییر دهنده بازی
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:112
- مدت زمان :18:14:22
- حجم :11.06GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy