آموزش Generative AI با پایتون - مفاهیم اصلی و مثالهای کدنویسی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به Generative AI از ابتدا - یادگیری GANs ،VAEs، ترنسفرمرها و مدلهای انتشار، حتی برای مبتدیان
- پروژههای عملی هوش مصنوعی - ساخت پروژههای تولید متن، تصویر و موسیقی برای نمایش مهارتهای واقعی
- نوشتن کد پایتون آماده برای صنعت - استفاده از تنسورفلو و کراس، گیت و داکر برای پروژههای تمیز و قابل بازتولید هوش مصنوعی
- افزایش فرصتهای شغلی و پژوهشی - یادگیری generative AI پیشرفته برای برجسته شدن در یادگیری ماشین، علم داده و پژوهش
پیشنیازهای دوره
- دانش پایه در پایتون، ریاضیات سطح دبیرستان، رایانهای با اینترنت و اشتیاق برای یادگیری هوش مصنوعی - تجربه پیشین هوش مصنوعی لازم نیست.
توضیحات دوره
به آینده فناوری با دوره عملی هوش مصنوعی و یادگیری عمیق مولد خوش آمدید! از درک اصول هوش مصنوعی و نظریه احتمال تا ساخت شبکههای عصبی پیشرفته و مدلهای مولد مانند GANs ،VAEs و مدلهای انتشار، این دوره شما را برای ایجاد اپلیکیشنهای هوش مصنوعی پیشرفته آماده میکند.
یادگیری عملی - شما محیط خود را با گیت، داکر و IDEs راهاندازی میکنید، ANNs و CNNs و LSTMs را پیادهسازی میکنید و به یادگیری نمایشی مسلط میشوید. شما در معماریهای مولد غوطهور میشوید و مشاهده میکنید که ایدههای شما از طریق تولید موسیقی، پروژههای پیشرفته GAN و اپلیکیشنهای مبتنی بر ترنسفرمر زنده میشود.
چه مهندس هوش مصنوعی در حال ظهور، پژوهشگر یا علاقهمند به فناوری هستید، این دوره مفاهیم پیچیده را به پروژههای عملی تبدیل میکند و شما را آماده صنعت میکند. شما پتانسیل خود را آزاد میکنید، راهحلهای هوش مصنوعی محور ایجاد میکنید و بخشی از نسل بعدی نوآوران هوش مصنوعی خواهید بود.
شما بینشهای عمیقی در نظریه احتمال، محیطهای کدنویسی و آخرین تکنیکهای هوش مصنوعی کسب میکنید. شما کاربردهای واقعی را بررسی میکنید، مهارتهای برنامهنویسی خود را بهبود میدهید، استقرار مدل را درک میکنید و بهترین شیوهها برای بهینهسازی عملکرد مدل را یاد میگیرید. در پایان، با اعتمادبهنفس مدلهای مولد را طراحی کرده، آموزش داده و ارزیابی خواهید کرد و ایدههای خود را به پروژههای ملموس و نوآورانه تبدیل میکنید که میتواند هم دانشگاه و هم صنعت را تحت تأثیر قرار دهد.
چرا در دوره شرکت کنید؟
- پروژههای عملی از راهاندازی تا استقرار
- یادگیری مدلهای generative AI پیشرفته
- راهنمایی گامبهگام برای کاربردهای واقعی
- مناسب برای مبتدیان و یادگیرندگان پیشرفته
- ارتقای پورتفوی خود با پروژههای هوش مصنوعی خلاقانه و منحصربهفرد
این دوره برای چه کسانی مناسب است؟
- این دوره برای مبتدیان و یادگیرندگان سطح متوسط طراحی شده که میخواهند به generative AI با پایتون تسلط یابند.
- مناسب برای دانشجویان، حرفهایها یا علاقهمندان به هوش مصنوعی و یادگیری ماشین
- توسعهدهندگان و دانشمندان داده که قصد دارند پروژههای هوش مصنوعی واقعی بسازند.
- کسی که میخواهد تجربه عملی با GANs ،VAEs، ترنسفرمرها و مدلهای انتشار داشته باشد.
- یادگیرندانی که به دنبال تقویت شغل یا فرصتهای پژوهشی در هوش مصنوعی، علم داده یا یادگیری عمیق هستند.
آموزش Generative AI با پایتون - مفاهیم اصلی و مثالهای کدنویسی
-
مقدمه 01:42
-
معرفی GenAI و هوش مصنوعی 08:15
-
مدلسازی مولد 06:10
-
آزمون 1 - درک مبانی هوش مصنوعی و اصول احتمال None
-
اولین مدل مولد ما 06:56
-
یادگیری نمایشی 05:56
-
آزمون 2 None
-
اصول نظریه احتمال 04:31
-
مبانی محیط کدنویسی 04:17
-
آزمون 3 None
-
Git clone و داکر 06:10
-
آزمون 4 None
-
راهاندازی محیط توسعه یکپارچه (IDE) 10:06
-
آزمون 5 None
-
شبکههای عصبی مصنوعی 11:26
-
پرسپترون چندلایه (MLP) 27:11
-
شبکههای عصبی کانولوشن 32:58
-
آزمون 6 None
-
رمزگزارهای خودکار 25:23
-
رمزگزارهای خودکار متغیر 13:02
-
شبکههای مولد متخاصم - بخش 1 29:40
-
شبکههای مولد متخاصم - بخش 2 32:16
-
GAN شرطی 12:29
-
مدلهای اتورگرسیو LSTM 30:45
-
گسترشهای RNN و PixelCNN 17:33
-
نرمالسازی مدلهای جریان - بخش 1 15:25
-
نرمالسازی مدلهای جریان - بخش 2 18:52
-
مدلهای مبتنی بر انرژی 26:31
-
مدلهای انتشار 31:43
-
پروژه 1 - MiniGPT 30:09
-
پروژه 2 - تولید تصاویر 14:14
-
پروژه 3 - تولید تصاویر واقعگرایانه 13:35
مشخصات آموزش
آموزش Generative AI با پایتون - مفاهیم اصلی و مثالهای کدنویسی
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:متوسط
- تعداد درس:32
- مدت زمان :07:17:15
- حجم :3.33GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy