دوره آموزشی
دوبله زبان فارسی
یادگیری عمیق مولد با تنسورفلو
✅ سرفصل و جزئیات آموزش
توضیحات دوره
در این دوره موارد زیر را می آموزید:
- یاد میگیرید که انتقال سبک با شبکههای عصبی را با استفاده از یادگیری انتقالی انجام دهید - محتوای یک تصویر (مثلاً قو) و سبک یک نقاشی (مانند کوبیسم یا امپرسیونیسم) را استخراج کرده و آنها را در یک تصویر جدید ترکیب میکنید.
- ساخت رمزگذار خودکار ساده روی مجموعه داده آشنای MNIST و معماریهای عمیق و پیچیدهتری کانولوشن روی مجموعه داده Fashion MNIST، درک تفاوت نتایج مدلهای رمزگذار خودکار DNN و رمزگذار خودکار CNN، شناسایی روشهایی برای حذف نویز از تصاویر نویزدار و ساخت رمزگذار خودکار CNN با استفاده از تنسورفلو برای خروجی گرفتن یک تصویر تمیز از یک تصویر نویزدار
- بررسی رمزگذارهای خودکار تغییریابی (VAEs) برای تولید داده کاملا جدید و ایجاد چهرههای انیمه برای مقایسه آنها با تصاویر مرجع
- یادگیری درباره GANs - آشنایی با منشا آنها، ویژگیها، معماری و نحوه تفاوت آنها با VAEs، درک عملکرد ژنراتور و discriminator درون مدل، مفهوم 2 فاز آموزش و نقش نویز معرفی شده و ساخت GAN خود که بتواند چهرهها را تولید کند.
تخصص تکنیکهای پیشرفته تنسورفلو، یادگیری عمیق و هوش مصنوعی - معرفی ویژگیهای تنسورفلو که به یادگیرندگان کنترل بیشتری بر معماری مدلشان فراهم کرده و ابزارهایی برای ایجاد و آموزش مدلهای پیشرفته یادگیری ماشین ارائه میدهد.
این تخصص برای مهندسان نرمافزار و یادگیری ماشین با تجربه ابتدایی و میانی است که با دانش بنیادی از تنسورفلو آشنا هستند و به دنبال گسترش دانش و مهارتهای خود با یادگیری ویژگیهای پیشرفته تنسورفلو برای ساخت مدلهای قدرتمند میباشند.
یادگیری عمیق مولد با تنسورفلو
-
خوش آمدگویی به دوره 4 6:40
-
مقدمه انتقال سبک 3:30
-
بررسی مفهومی انتقال سبک 4:40
-
پیشپردازش ورودیها 2:21
-
استخراج ویژگیهای سبک و محتوا 6:15
-
زیان کل و زیان محتوا 3:52
-
زیان سبک 3:05
-
بروزرسانی تصویر تولید شده 1:49
-
(اختیاری) ماتریس گرام 4:29
-
(اختیاری) حاشیه نویسی Einstein 6:32
-
(اختیاری) Einsum در کد 1:58
-
زیان تغییرات کل 1:39
-
انتقال سبک عصبی سریع 1:38
-
به دوره خوش آمدید! None
-
مرجع - الگوریتم عصبی سبک هنری None
-
[مهم] سوالات، مشکلات یا ایدههایی دارید؟ به فروم ما بپیوندید! None
-
مرجع - زیانهای ادراکی برای انتقال سبک بلادرنگ و رزولوشن بالا None
-
مرجع - مصورسازی و درک شبکههای کانولوشن None
-
مرجع - numpy.einsum None
-
مرجع - بررسی ساختار شبکه هنری دارای سبک عصبی بلادرنگ و دلخواه None
-
نکات درسی - هفته 1 None
-
مقدمه 4:07
-
اولین رمزگذار خودکار 4:11
-
رمزگذار خودکار MNIST 3:27
-
رمزگذار خودکار عمیق MNIST 2:37
-
رمزگذار خودکار کانولوشن 4:10
-
حذف نویز با رمزگذار خودکار 2:59
-
نکات درسی - هفته 2 None
-
بررسی رمزگذارهای خودکار تغییریابی 2:54
-
معماری و کد VAE 2:44
-
لایه نمونهبرداری و رمزگذار 3:17
-
رمزگشا 2:26
-
تابع Loss و تعریف مدل 2:24
-
آموزش مدل VAE 1:46
-
مرجعها - واگرایی کلوبک-لیبر، تعادل خطای بازسازی و واگرایی کلوبک-لیبر در رمزگذارهای خودکار تغییریابی None
-
رمزگذارهای خودکار تغییریابی کانولوشن None
-
نکات درسی - هفته 3 None
-
مقدمه 3:20
-
اولین معماری GAN 3:46
-
اولین حلقه آموزش GAN 4:16
-
DCGANs 3:16
-
ژنراتور چهره 6:36
-
Discriminator و ژنراتور چهره 2:55
-
نتیجهگیریها 1:42
-
مرجع - تخصص GANs None
-
مرجع - شبکههای عصبی خودنرمال سازی None
-
مرجع - یادگیری بازنمایی نظارت نشده با شبکههای متخاصم مولد کانولوشن عمیق، tf.keras.layers.LeakyReLU None
-
مرجع - نرمالسازی لایه None
-
نکات درسی - هفته 4 None
-
[مهم] یادآوری درباره پایان دسترسی به نوتبوکهای لابراتوار None
-
مرجعها None
-
گام بعدی؟ None
-
قدردانیها None
-
(اختیاری) فرصت منتورینگ سایر یادگیرندگان None
مشخصات آموزش
یادگیری عمیق مولد با تنسورفلو
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:54
- مدت زمان :01:51:21
- حجم :422.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy