دوره آموزشی
دوبله زبان فارسی
دوره کامل PyTorch 2024 - از مبانی تا پیشرفته
✅ سرفصل و جزئیات آموزش
در این دوره در اعمال محبوب ترین فریمورک یادگیری عمیق یعنی PyTorch به یک متخصص تبدیل می شوید.
آنچه یاد خواهید گرفت
- تمام جنبه های مرتبط با PyTorch از مدل های ساده تا مدل های پیشرفته را می آموزید.
- مدل خود را به صورت on-premise و در ابر مستقر می کنید.
- ترنسفرمرها
- پردازش زبان طبیعی (NLP)، به عنوان مثال تعبیه کلمه، طبقه بندی بدون شات و امتیازهای مشابهت
- CNN (طبقه بندی صدا و تصویر و تشخیص اشیا)
- انتقال استایل
- شبکه های عصبی بازگشتی
- رمزگذارهای خودکار
- شبکه های متخاصم مولد
- سیستم های توصیه گر
- الگوریتم های درجه یک مانند ترنسفرمرها را با مجموعه داده های سفارشی تطبیق می دهید.
- مدل های CNN را برای طبقه بندی تصویر، تشخیص اشیا و انتقال استایل توسعه می دهید.
- مدل های RNN، رمزگذارهای خودکار و شبکه های متخاصم مولد را توسعه می دهید.
- درباره فریمورک های جدید (مانند PyTorch Lightning) و مدل های جدید مانند OpenAI ChatGPT می آموزید.
- از یادگیری انتقالی استفاده می کنید.
پیش نیازهای دوره
- دانش پایه پایتون
توضیحات دوره
PyTorch، فریمورک پایتون است که توسط فیسبوک برای توسعه و استقرار مدل های یادگیری عمیق توسعه یافته و امروزه یکی از محبوب ترین فریمورک های یادگیری عمیق است.
در این دوره شما هر مطلبی را که برای توسعه و اعمال مدل های یادگیری عمیق روی داده خود نیاز دارید، یاد می گیرید. تمام زمینه های مرتبط مانند رگرسیون، طبقه بندی، CNN و RNN و GANs و NLP، سیستم های توصیه گر و بسیاری موارد دیگر پوشش داده شده اند. علاوه بر این، مدل ها و معماری های پیشرفته مانند ترنسفرمرها، YOLOv7 یا ChatGPT ارائه شده اند.
برای ما مهم است که مفاهیم اساسی و همچنین نحوه پیاده سازی تکنیک ها را یاد بگیرید. قبل از اینکه راه حل خود را به شما ارائه دهیم، برای حل مشکلات به تنهایی به چالش کشیده خواهید شد.
این دوره برای چه کسانی مناسب است؟
- توسعه دهندگان پایتون که مایل به یادگیری یکی از جالب ترین و پرتقاضاترین تکنیک ها هستند.
دوره کامل PyTorch 2024 - از مبانی تا پیشرفته
-
بررسی دوره 04:43
-
مقدمه PyTorch 03:06
-
راه اندازی سیستم 04:22
-
چگونه مباحث دوره را دریافت کنیم؟ 02:16
-
راه اندازی محیط کوندا 05:41
-
چگونه با دوره کار کنیم؟ 02:30
-
هوش مصنوعی 05:06
-
یادگیری ماشین 07:09
-
مدل های یادگیری ماشین 05:33
-
بررسی کلی یادگیری عمیق 03:41
-
مدل سازی یادگیری عمیق 03:33
-
عملکرد 02:33
-
از پرسپترون تا شبکه عصبی 03:46
-
انواع لایه ها 03:57
-
توابع فعال سازی 04:14
-
توابع Loss 03:33
-
Optimizers 06:16
-
کم برازش و بیش برازش 11:19
-
Train Test Split 02:56
-
تکنیک های نمونه گیری مجدد 04:52
-
بررسی بخش 01:10
-
NN از ابتدا 11:47
-
محاسبه ضرب داخلی (کدنویسی) 02:40
-
NN از ابتدا (آماده سازی داده) 04:18
-
مدل سازی NN از ابتدا - تابع __init__ 02:47
-
مدل سازی NN از ابتدا - تابع Helper 01:52
-
مدل سازی NN از ابتدا - تابع forward 01:10
-
مدل سازی NN از ابتدا - تابع backward 03:40
-
مدل سازی NN از ابتدا - تابع optimizer 00:59
-
مدل سازی NN از ابتدا - تابع train 06:22
-
آموزش مدل NN از ابتدا 01:49
-
ارزیابی مدل NN از ابتدا 08:24
-
بررسی بخش 01:02
-
از تانسورها تا گراف های محاسباتی 08:17
-
تانسور (کدنویسی) 13:11
-
بررسی بخش 02:27
-
آموزش مدل 06:27
-
رگرسیون خطی از ابتدا (کدنویسی و آموزش مدل) 09:55
-
رگرسیون خطی از ابتدا (کدنویسی و ارزیابی مدل) 07:09
-
کلاس مدل (کدنویسی) 14:05
-
تمرین - نرخ یادگیری و تعداد Epochs 00:41
-
راه حل - نرخ یادگیری و تعداد Epochs 05:01
-
بچ ها 02:59
-
بچ ها (کدنویسی) 05:09
-
مجموعه داده ها و بارگذارهای داده 04:22
-
مجموعه داده ها و بارگذارهای داده (کدنویسی) 10:40
-
ذخیره و بارگذاری مدل ها 03:12
-
ذخیره و بارگذاری مدل ها (کدنویسی) 03:40
-
تیونینگ هایپرپارامتر 09:17
-
تیونینگ هایپرپارامتر (کدنویسی) 07:55
-
بررسی بخش 02:14
-
انواع طبقه بندی 05:12
-
ماتریس درهم ریختگی 06:16
-
منحنی ROC 07:11
-
چند کلاسه - بخش 1 - آماده سازی داده 02:35
-
چند کلاسه - بخش 2 - کلاس مجموعه داده (تمرین) 00:19
-
چند کلاسه - بخش 3 - کلاس مجموعه داده (راه حل) 02:24
-
چند کلاسه - بخش 4 - کلاس شبکه (تمرین) 00:52
-
چند کلاسه - بخش 5 - کلاس شبکه (راه حل) 02:20
-
چند کلاسه - بخش 6 - Loss و Optimizer و هایپرپارامترها 03:06
-
چند کلاسه - بخش 7 - حلقه آموزش 03:21
-
چند کلاسه - بخش 8 - ارزیابی مدل 02:51
-
چند کلاسه - بخش 9 - Classifier بیز ساده 02:27
-
چند کلاسه - بخش 10 - خلاصه 01:04
-
چند برچسبی (تمرین) 06:38
-
چند برچسبی (راه حل) 15:38
-
بررسی بخش 01:40
-
CNNs 10:04
-
CNN (تعاملی) 03:44
-
پیش پردازش تصویر 08:38
-
پیش پردازش تصویر (کدنویسی) 09:27
-
طبقه بندی تصویر باینری 01:16
-
طبقه بندی تصویر باینری (کدنویسی) 18:41
-
طبقه بندی تصویر چند کلاسه (تمرین) 03:54
-
طبقه بندی تصویر چند کلاسه (راه حل) 09:04
-
محاسبات لایه 06:53
-
محاسبات لایه (کدنویسی) 10:43
-
طبقه بندی صدا 03:26
-
طبقه بندی صدا (تمرین) 06:55
-
طبقه بندی صدا (تحلیل داده اکتشافی) 04:54
-
طبقه بندی صدا (راه حل آماده سازی داده) 05:49
-
طبقه بندی صدا (مدل - راه حل) 11:48
-
بررسی بخش 00:46
-
متریک های دقت 07:16
-
تشخیص اشیا 03:06
-
تشخیص اشیا با detecto (کدنویسی) 07:50
-
آموزش رایگان مدل روی GPU (کدنویسی) 03:14
-
YOLO 05:53
-
فرمت های برچسب گذاری 04:09
-
پروژه YOLOv7 10:11
-
کدنویسی YOLOv7 - راه اندازی 07:20
-
کدنویسی YOLOv7 - آماده سازی داده 05:30
-
کدنویسی YOLOv7 - آموزش مدل 03:59
-
کدنویسی YOLOv7 - استنتاج مدل 03:46
-
کدنویسی YOLOv7 - آموزش و استنتاج مدل 08:35
-
بررسی بخش 00:38
-
انتقال استایل 08:10
-
انتقال استایل (کدنویسی) 15:00
-
بررسی بخش 00:50
-
شبکه های از پیش آموزش دیده و یادگیری انتقالی 04:52
-
یادگیری انتقالی (کدنویسی) 10:20
-
بررسی بخش 01:07
-
RNN 05:58
-
LSTM (کدنویسی) 16:24
-
LSTM (تمرین) 02:44
-
سیستم های توصیه گر 07:43
-
RecSys (کدنویسی) - بخش 1 - مجموعه داده و کلاس مدل 10:28
-
RecSys (کدنویسی) - بخش 2 - آموزش و ارزیابی مدل 08:16
-
RecSys (کدنویسی) - بخش 3 - کاربران و آیتم ها 03:47
-
RecSys (کدنویسی) - بخش 4 - Precision@k و Recall@k 13:40
-
بررسی بخش 00:56
-
رمزگذارهای خودکار 05:02
-
رمزگذارهای خودکار (کدنویسی) 17:10
-
بررسی بخش 01:21
-
GANs 11:49
-
GANs (کدنویسی) 13:12
-
GANs (تمرین) 02:08
-
شبکه های عصبی گراف 12:05
-
مقدمه گراف (کدنویسی) 05:20
-
طبقه بندی گره (کدنویسی آماده سازی داده) 08:29
-
طبقه بندی گره (کدنویسی آموزش مدل) 11:06
-
طبقه بندی گره (کدنویسی ارزیابی مدل) 09:15
-
ترنسفرمرها 09:32
-
ترنسفرمرهای Vision (ViT) 06:01
-
آموزش ViT روی مجموعه داده سفارشی (کدنویسی) 14:05
-
PyTorch Lighting 05:09
-
PyTorch Lighting (کدنویسی) 09:49
-
توقف زودهنگام 03:47
-
توقف زودهنگام (کدنویسی) 03:51
-
یادگیری نیمه نظارت شده 06:38
-
یادگیری نظارت شده (مدل مرجع و کدنویسی) 10:07
-
یادگیری نیمه نظارت شده - بخش 1 - مجموعه داده و بارگذار داده 10:57
-
یادگیری نیمه نظارت شده - بخش 2 - مدل سازی 14:06
-
پردازش زبان طبیعی 06:46
-
مقدمه تعبیه های کلمه 06:08
-
مقدمه کدنویسی OHE احساسات 01:49
-
OHE احساسات (کدنویسی) 12:20
-
تعبیه کلمات با NN 08:52
-
GloVe - دریافت تعبیه کلمه (کدنویسی) 06:09
-
GloVe - یافتن نزدیکترین کلمات (کدنویسی) 06:11
-
GloVe - قیاس کلمات (کدنویسی) 07:49
-
GloVe - خوشه کلمات 01:20
-
GloVe - کلمه (کدنویسی) 15:54
-
احساسات با تعبیه 01:23
-
احساسات با تعبیه (کدنویسی) 10:54
-
اعمال مدل های NLP از پیش آموزش دیده 03:48
-
اعمال مدل های NLP از پیش آموزش دیده (کدنویسی) 07:27
-
طبقه بندی متن بدون شات 08:50
-
طبقه بندی متن بدون شات (کدنویسی) 09:00
-
OpenAI ChatGPT 16:38
-
Resnet 09:58
-
Inception 04:10
-
ماژول Inception (کدنویسی) 18:54
-
یادگیری افراطی 06:08
-
یادگیری افراطی (کدنویسی) 06:54
-
شباهت تصویر (کدنویسی) 17:13
-
پایگاه داده برداری 08:51
-
بازیابی نسل افزوده 03:54
-
Claude 3 06:32
-
Claude 3 (کدنویسی) 09:19
-
ایجنت ها 14:15
-
ایجنت ها (کدنویسی) 14:26
-
چگونه خروجی LLM را بهبود دهیم؟ 05:00
-
هوک ها 03:42
-
هوک ها (کدنویسی) 11:08
-
استقرار مدل 07:48
-
Flask On-Premise Hello World (کدنویسی) 06:07
-
API On-Premise با مدل یادگیری عمیق (کدنویسی) 13:59
-
API On-Premise - چگونه داده را consume کنیم؟ (کدنویسی) 05:17
-
Google Cloud - استقرار وزن های مدل (کدنویسی) 09:37
-
Google Cloud - استقرار REST API (کدنویسی) 14:00
-
تشکر از شما و منابع بیشتر 01:31
مشخصات آموزش
دوره کامل PyTorch 2024 - از مبانی تا پیشرفته
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:172
- مدت زمان :19:02:32
- حجم :8.83GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
1,889,000
377,800 تومان
- زمان: 04:47:39
- تعداد درس: 30
-
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
1,501,000
300,200 تومان
- زمان: 03:48:11
- تعداد درس: 47
-
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
The Great Courses
9,269,000
1,853,800 تومان
- زمان: 23:28:00
- تعداد درس: 170
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,762,000
1,752,400 تومان
- زمان: 22:11:23
- تعداد درس: 140
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
6,734,500
1,346,900 تومان
- زمان: 17:03:28
- تعداد درس: 45
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,360,500
1,672,100 تومان
- زمان: 21:10:47
- تعداد درس: 202
-
سطح دوره:
-
زبان: دوبله فارسی