دوره آموزشی
دوبله زبان فارسی
تسلط به یادگیری عمیق برای Generative AI
✅ سرفصل و جزئیات آموزش
در این دوره با ساخت و بهینه سازی مدل های مولد با یادگیری عمیق آشنا می شوید و GANs و VAEs، ترنسفرمرها و پروژه عملی را برررسی می کنید.
آنچه یاد خواهید گرفت
- علاقه مندان به یادگیری ماشین - با تسلط به تکنیک های یادگیری عمیق که به طور خاص برای مدل های مولد استفاده می شود، مهارت های خود را گسترش می دهید.
- توسعه دهندگان و محققان هوش مصنوعی - برای ساخت و تست مدل های پیشرفته Generative AI برای کاربردهای مختلف، تخصص لازم را به دست می آورید.
- دانشمندان داده با جاه طلبی - توانایی خود را برای طراحی، آموزش و استقرار سیستم های پیشرفته Generative AI تقویت می کنید.
- ارزیابی و بهبود عملکرد مدلهای یادگیری عمیق برای Generative AI
توضیحات دوره
آنچه خواهید آموخت:
- اصول یادگیری عمیق - اصول اساسی شبکه های عصبی از جمله یادگیری نظارت شده و نظارت نشده را درک می کنید.
- مدل های مولد - به ساخت و آموزش مدل های مولد پیشرفته مانند شبکه های متخاصم (GAN)، رمزگذارهای خودکار متغیر (VAE) و ترنسفرمرها مسلط می شوید.
- پروژه های عملی - در پروژه های عملی شرکت می کنید که شما را از طریق ایجاد اپلیکیشن ها در هنر، موسیقی، متن و طراحی با استفاده از Generative AI راهنمایی می کند.
- بهینه سازی مدل - تکنیک هایی را برای ارزیابی، بهبود و تیونینگ دقیق عملکرد مدل های مولد خود برای کاربردهای واقعی می آموزید.
- ملاحظات اخلاقی - مفاهیم اخلاقی و تأثیرات آتی Generative AI را بررسی کرده و از کاربرد مسئولانه و آگاهانه این فناوری ها اطمینان حاصل کنید.
این دوره برای چه کسانی مناسب است؟
- دانشمندان مشتاق داده
- دانشجویان و پژوهشگران
- علاقه مندان به فناوری
- توسعه دهندگان نرم افزار
تسلط به یادگیری عمیق برای Generative AI
-
تاریخچه یادگیری عمیق با الهامات از علوم اعصاب 10:06
-
آشنایی با شبکه های عصبی - وزن ها، شبکه های چند نورونی 11:58
-
بررسی عمیق پس انتشار 10:53
-
آشنایی با RNNs - شهود پشت RNNs و سلول های مختلف 10:25
-
ساخت RNNs با تنسورفلو - شبکه های عصبی چندگانه - عملی 09:08
-
آموزش RNNs در تنسورفلو - برازش، کامپایل و اجرای مدل 07:19
-
بهینه سازی آموزش مدل - آموزش مدل با تعداد Epochs 09:34
-
مدل های Sequence-to-Sequence - مدل های رمزگذار و رمزگشا 10:13
-
شبکه ها و اپلیکیشن های LSTM - مقداردهی اولیه تصادفی و شهود LSTM 09:32
-
پیاده سازی LSTMs با تنسورفلو - پیاده سازی سفارشی 07:46
-
آشنایی با بینایی کامپیوتری - Pixel Idea و تبدیل به آرایه ها 05:26
-
مبانی شبکه های عصبی کانولوشن - Padding و کرنل 07:19
-
درک کرنل ها در CNNs - کرنل های مختلف 09:55
-
Padding و Strides و Pooling در CNNs 10:46
-
افزایش و بهینه سازی داده در CNNs - تنسورفلو - عملی 10:46
-
ساخت و آموزش مدل های CNN 11:06
-
پیاده سازی LSTMs با تنسورفلو - پیش پردازش داده 07:25
-
جدید - ساخت مدل های مولد با LSTMs - آموزش مدل ها با تیونینگ هایپرپارامتر 01:12
-
آشنایی با بینایی کامپیوتری با یادگیری عمیق - پیش پردازش و آموزش 01:21
-
آموزش مدل های یادگیری عمیق برای داده تصویری - 1500 تصویر روی داده آموزش و تست 01:24
-
مدیریت کارآمد داده تصویر بزرگ - نمونه های آموزش 01:31
-
تکنیک های پیشرفته پردازش تصویر - پاکسازی و پیش پردازش داده 01:40
-
طبقه بندی با یادگیری عمیق - 10 تسک طبقه بندی 06:21
-
ارزیابی مدل و یادگیری انتقالی - ارزیابی مدل ها و ترنسفرمرها 07:23
-
تفسیر مدل های یادگیری عمیق - شهود هندسی مدل های VGG16 07:27
-
بهینه سازی مدل های یادگیری عمیق - گرادیان کاهشی و گرادیان کاهشی تصادفی 07:15
-
تکنیک های بهینه سازی پیشرفته 06:40
-
استقرار عملی مدل های یادگیری عمیق - معادلات ریاضی 07:11
-
استقرار مدل ها با فلسک - درک اجزای داخلی 09:57
-
مدیریت درخواست ها با کراس و فلسک - مدل های کراس و متدهای Get و Post 06:27
-
مقیاس بندی مدل های یادگیری عمیق - تصویر حیوانات در CNN در عمل 07:33
-
اطمینان از تاخیر کم در استقرار مدل - دریافت اپلیکیشن فلسک لاگ ها 07:07
-
دموی استقرار اپلیکیشن فلسک 06:21
مشخصات آموزش
تسلط به یادگیری عمیق برای Generative AI
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:33
- مدت زمان :04:06:27
- حجم :2.02GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy