تسلط به PyTorch

در این دوره از مبانی تا پیشرفته با یادگیری عمیق آشنا می شوید.

آنچه یاد خواهید گرفت

• درک اصول PyTorch از جمله تانسورها و نمودارهای محاسباتی 
• ساخت و آموزش شبکه های عصبی با استفاده از PyTorch’s nn_Module
• پیش پردازش و بارگذاری مجموعه داده ها با DataLoader و مجموعه داده های سفارشی
• پیاده سازی معماری های پیشرفته مانند CNNs ،RNNs و ترانسفرمرها
• انجام یادگیری انتقالی و تیونینگ دقیق مدل های از پیش آموزش دیده 
• بهینه سازی مدل ها با استفاده از منظم سازی و تیونینگ هایپرپارامتر
• استقرار مدل های آموزش دیده با استفاده از TorchScript و سرویس های ابری
• اشکال زدایی و عیب یابی موثر مدل های یادگیری عمیق
• توسعه لایه های سفارشی، توابع loss و مدل ها
• همکاری با کامیونیتی PyTorch و مشارکت در پروژه های متن باز

 پیش نیازهای دوره

• مهارت های اولیه کامپیوتر - آشنایی با استفاده از کامپیوتر و نصب نرم افزار
• برنامه نویسی پایتون - دانش اولیه پایتون (متغیرها، توابع و حلقه ها)
• ریاضیات - درک مفاهیم جبر اولیه، جبر خطی و حساب دیفرانسیل و انتگرال (بردارها، ماتریس ها و مشتقات)
• مبانی یادگیری ماشین (اختیاری) - آگاهی از مفاهیم یادگیری ماشین مانند مدل ها، آموزش و ارزیابی مفید است اما اجباری نیست.
• اشتیاق به یادگیری - تمایل به یادگیری از طریق پروژه های عملی و تست ها

توضیحات دوره

دوره «تسلط به PyTorch - از مبانی تا آموزش یادگیری عمیق پیشرفته» یک سفر یادگیری کامل است که برای مبتدیان و حرفه ای ها با هدف برتری در هوش مصنوعی و یادگیری عمیق طراحی شده است. این دوره با اصول PyTorch شروع می شود و مباحث ضروری مانند عملیات های تانسور، مشتق گیری خودکار و ساخت شبکه های عصبی از ابتدا را پوشش می دهد. یادگیرندگان درک عمیقی از نحوه عملکرد نمودار محاسباتی پویا در PyTorch به دست خواهند آورد که ایجاد مدل انعطاف پذیر و عیب یابی را امکان پذیر می کند.

با پیشرفت دوره، دانشجویان مباحث پیشرفته از جمله معماری شبکه های عصبی پیچیده مانند CNNs ،RNNs و ترانسفرمرها را بررسی خواهند کرد. همچنین به یادگیری انتقالی، لایه‌ های سفارشی، توابع loss و تکنیک‌ های بهینه‌ سازی مدل می‌ پردازیم. یادگیرندگان ساخت پروژه های واقعی مانند طبقه بندهای تصویر، تحلیلگرهای احساسات مبتنی بر NLP و اپلیکیشن های مجهز به GAN را تمرین خواهند کرد.

این دوره تاکید زیادی بر پیاده سازی عملی، ارائه تمرین های گام به گام، چالش های کدنویسی و پروژه هایی دارد که مفاهیم کلیدی را تقویت می کند. علاوه بر این، یادگیرندگان تکنیک های پیشرفته مانند آموزش توزیع شده، استقرار ابر و یکپارچه سازی با کتابخانه های محبوب را بررسی خواهند کرد.

در پایان دوره، یادگیرندگان در طراحی، ساخت و استقرار مدل های هوش مصنوعی با استفاده از PyTorch مهارت خواهند داشت. آن ها همچنین مجهز خواهند شد تا در پروژه های متن باز مشارکت کرده و مشاغلی را به عنوان مهندسان هوش مصنوعی، دانشمندان داده یا محققان یادگیری ماشین در زمینه رو به رشد یادگیری عمیق دنبال کنند.

این دوره برای چه کسانی مناسب است؟

• مبتدیان یادگیری ماشین و هوش مصنوعی - کسانی که تجربه یادگیری عمیق قبلی ندارند اما مشتاق یادگیری PyTorch از ابتدا هستند.
• علاقه مندان به علم داده - دانشمندان مشتاق داده که به دنبال افزودن PyTorch به جعبه ابزار یادگیری ماشین خود هستند.
• توسعه دهندگان و مهندسان - توسعه دهندگان نرم افزار که در حال انتقال به نقش های هوش مصنوعی و یادگیری عمیق هستند.
• محققان و دانشگاهیان - کسانی که در حال بررسی تحقیقات پیشرفته یادگیری ماشین با استفاده از PyTorch هستند.
• تغییردهنگان شغل - متخصصان در حال گذار به مشاغل مرتبط با هوش مصنوعی