آشنایی با یادگیری عمیق با PyTorch
✅ سرفصل و جزئیات آموزش
درک قدرت یادگیری عمیق
یادگیری عمیق امروز تقریباً در همه جا حضور دارد؛ از دوربین تلفنهای هوشمند و دستیارهای صوتی گرفته تا خودروهای خودران. این فناوری حتی در کشف ساختار پروتئینها و شکست دادن انسان در بازی Go نیز نقش داشته است. در این دوره با این فناوری قدرتمند آشنا میشوید و یاد میگیرید چگونه با استفاده از PyTorch، یکی از محبوبترین کتابخانههای یادگیری عمیق، از آن بهره ببرید.
آموزش اولین شبکه عصبی
در ابتدا با تفاوتهای میان یادگیری عمیق و یادگیری ماشین «کلاسیک» آشنا میشوید. سپس فرآیند آموزش یک شبکه عصبی و چگونگی نوشتن حلقه آموزش را یاد میگیرید. برای این منظور، توابع خطا برای مسائل رگرسیون و دستهبندی ایجاد میکنید و از PyTorch برای محاسبه مشتقات آنها استفاده میکنید.
ارزیابی و بهبود مدل
در نیمه دوم دوره، با ابرپارامترهای مختلفی آشنا میشوید که میتوانند برای بهبود عملکرد مدل تنظیم شوند. پس از شناخت اجزای مختلف شبکه عصبی، قادر خواهید بود معماریهای بزرگتر و پیچیدهتری ایجاد کنید. برای اندازهگیری عملکرد مدل نیز از TorchMetrics، کتابخانهای در PyTorch برای ارزیابی مدلها، استفاده میکنید.
در پایان دوره، میتوانید با استفاده از PyTorch مسائل دستهبندی و رگرسیون را روی داده جدولی و تصویری با استفاده از یادگیری عمیق حل کنید. مهارتی بسیار ارزشمند برای متخصصان داده که قصد پیشرفت در مسیر شغلی خود را دارند.
آشنایی با یادگیری عمیق با PyTorch
-
مقدمهای بر یادگیری عمیق با PyTorch None
-
شبکههای عصبی و لایهها None
-
لایههای پنهان و پارامترها None
-
آشنایی با توابع فعالسازی None
-
اجرای عبور رو به جلو None
-
استفاده از توابع خطا برای ارزیابی پیشبینی مدل None
-
استفاده از مشتقها برای بروزرسانی پارامترهای مدل None
-
بررسی عمیقتر بارگذاری دادهها None
-
نوشتن اولین حلقه آموزش None
-
توابع فعالسازی ReLU None
-
نرخ یادگیری و مومنتوم None
-
مقداردهی اولیه لایهها و یادگیری انتقالی None
-
ارزیابی عملکرد مدل None
-
مقابله با بیشبرازش None
-
بهبود عملکرد مدل None
-
ویدئوی جمعبندی None
مشخصات آموزش
آشنایی با یادگیری عمیق با PyTorch
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:متوسط
- تعداد درس:16
- مدت زمان :4:00:00
- حجم :335.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy