دوره آموزشی
دوبله زبان فارسی
بوت کمپ PyTorch برای بینایی کامپیوتری و یادگیری عمیق 2025
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به نحوه انجام تسک بینایی کامپیوتری با یادگیری عمیق
- یادگیری کار با PyTorch
- شبکههای عصبی کانولوشن با کتابخانه Torch
- ایجاد شهود در عملیات کانولوشن روی تصاویر
- یادگیری پیادهسازی معماری LeNet روی مجموعه داده CIFAR10 که شامل 60000 تصویر است.
پیش نیازهای دوره
- یادگیری ماشین اولیه با زبان برنامهنویسی پایتون
توضیحات دوره
شما پتانسیل یادگیری عمیق در بینایی کامپیوتری را کشف میکنید، جایی که پیشرفتهای انقلابی آینده فناوری را شکل میدهند. شما کاربردهای بینایی کامپیوتری را از تگگذاری عکس فیسبوک و شناسایی افراد در Google Photo تا تشخیص تقلب و شناسایی چهره بررسی میکنید. شما به عملیاتهای اصلی بینایی کامپیوتری یادگیری عمیق میپردازید، از جمله عملیاتهای کانولوشن روی تصاویر و در عین حال هنر استخراج اطلاعات ارزشمند از تصاویر دیجیتالی را یاد میگیرید.
نکات برجسته دوره:
- کسب دانش اساسی از PyTorch که برای بررسی دنیای یادگیری عمیق ضروری است.
- یادگیری برنامه نویسی GPU و بررسی نحوه دسترسی به منابع GPU رایگان برای یادگیری کارآمد
- تسلط به ویژگی AutoGrad در PyTorch، یک جنبه کلیدی برای محاسبه گراف پویا
- پیاده سازی مدلهای یادگیری عمیق با استفاده از PyTorch، انتقال از تئوری به کاربرد عملی
- بررسی مبانی شبکه های عصبی کانولوشن (CNN) در PyTorch، معماری اساسی برای تسکهای بینایی کامپیوتری
- اعمال CNNs در مجموعه دادههای واقعی و توسعه تجربه عملی با کاربردهای عملی
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان نرمافزار
- متخصصان یادگیری ماشین
- دانشمندان داده
- کسی که به یادگیری PyTorch علاقه مند است.
- کسی که به یادگیری عمیق علاقه مند است.
بوت کمپ PyTorch برای بینایی کامپیوتری و یادگیری عمیق 2025
-
چرا PyTorch قدرتمند است؟ 03:51
-
آشنایی با PyTorch 01:24
-
آمادهسازی سیستم 08:06
-
ایجاد تانسورها در PyTorch 06:19
-
اسلایس کردن و تغییر شکل تانسور 03:25
-
عملیاتهای ریاضی روی تانسورها 02:15
-
Numpy در PyTorch 04:35
-
CUDA چیست؟ 04:04
-
PyTorch روی GPU 07:12
-
تکلیف درباره مبانی PyTorch None
-
Autograd در PyTorch 12:04
-
پیادهسازی گرادیان کاهشی با استفاده از Autograd 04:51
-
تکلیف درباره Autograd None
-
ساخت اولین شبکه عصبی 08:11
-
نوشتن شبکه عصبی عمیق 04:26
-
نوشتن ماژول NN سفارشی 06:10
-
تکلیف درباره شبکههای عصبی عمیق None
-
بارگذاری داده - CIFAR10 10:53
-
تصویرسازی دادهها 04:35
-
جمعبندی CNN 03:44
-
اولین CNN 07:45
-
لایههای عمیق CNN 07:37
-
بررسی LeNet 03:46
-
مدل LeNet در PyTorch 11:25
-
آمادهسازی و ارزیابی 08:50
-
چرا زبان برنامهنویسی کامپیوتر؟ 05:45
-
چرا Python؟ 02:38
-
آماده شدن سیستم - نصب Jup[yter Notebook 07:19
-
Jupyter Notebook - نکات و ترفندها 05:56
-
آنچه در این بخش پوشش داده شده است 01:52
-
متغیرها در Python 08:36
-
تابع چاپ 03:27
-
تایپ داده عددی 05:02
-
تایپ داده رشته 03:48
-
تایپ داده بولی 01:55
-
Type Conversion و Type Casting 06:18
-
افزودن کامنتها در زبان برنامهنویسی پایتون 02:05
-
ساختارهای داده در Python 09:11
-
تاپلها و مجموعهها در پایتون 08:25
-
دیکشنریهای Python 05:22
-
دستورات شرطی در پایتون - if 11:16
-
دستورات شرطی در پایتون - While 06:08
-
توابع داخلی در پایتون - range و input 07:43
-
حلقههای For 04:36
-
توابع در Python 09:16
-
کلاسها در پایتون 12:17
-
پروژه کوچک - Hangman 06:18
-
نوشتن یک کلاس 07:54
-
پروژه کوچک - ادامه 05:22
-
ساخت منطق 06:18
-
منطق ورودی یک حرفی 10:06
-
تست نهایی 06:48
-
Numpy 16:21
-
تغییر اندازه و تغییر شکل آرایهها 08:42
-
اسلایس کردن 06:04
-
برودکستینگ 12:35
-
عملیاتها و توابع ریاضی در Numpy 07:13
-
کتابخانه Pandas 16:17
-
دیتافریم Pandas 05:28
-
دیتافریم Pandas - بارگذاری از فایل خارجی 08:28
-
کار با مقادیر null 06:20
-
اسلایس کردن دیتافریم Pandas 05:42
-
انتساب 03:44
-
مقدمهای بر Matplotlib 09:54
-
فرمتبندی نمودار 08:12
-
فرمتبندی نمودار و نمودار پراکندگی 03:27
-
نمودار هیستوگرام 06:57
-
جایزه - چگونه مدل را در یادگیری ماشین انتخاب کنید؟ 23:16
-
درک Generative AI 01:17:44
-
استقرار یادگیری ماشین - بخش 1 - آمادهسازی مدل - End to End 15:31
-
استقرار یادگیری ماشین - بخش 2 - استقرار اپلیکیشن فلسک - End to End 11:48
-
آموزش Streamlit 19:22
-
بستهبندی مدلهای یادگیری ماشین 56:26
-
کانتینرهای داکر برای پروژههای علم داده و یادگیری ماشین 59:15
-
تریلر دوره درباره MLOps 04:22
-
جایزه - درک معماری ترنسفرمر 52:48
-
جایزه - آشنایی با MLOps سازمانی 01:13:41
مشخصات آموزش
بوت کمپ PyTorch برای بینایی کامپیوتری و یادگیری عمیق 2025
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:77
- مدت زمان :13:48:46
- حجم :8.48GB
- 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
2,659,500
531,900 تومان
- زمان: 06:44:45
- تعداد درس: 35
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
7,300,500
1,460,100 تومان
- زمان: 18:29:24
- تعداد درس: 115
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,113,000
422,600 تومان
- زمان: 05:21:41
- تعداد درس: 51
-
سطح دوره:
-
زبان: دوبله فارسی