آموزش مدل‌های پیشرفته هوش مصنوعی برای بینایی ماشین و درک چندوجهی - آخرین آپدیت

SVM و فوریه SMV and Fourier

• آشنایی با مدرس Meet Your Instructor

• SVM خطی Linear SVM

• بصری‌سازی خطی Visualize Linear

• تابع پایه شعاعی (RBF) Radial Basis Function (RBF)

• کرنل RBF RBF Kernel

• بصری‌سازی RBF SVM Visualize a RBF SVM

• تبدیل فوریه گسسته (DFT) یک بعدی 1D DFT

• معکوس DFT یک بعدی 1D Inverse DFT

• توابع پایه یک بعدی 1D Basic Functions

• فرکانس و زمان Frequency and Time

• تبدیل فوریه گسسته (DFT) دو بعدی 2D DFT

• معکوس DFT دو بعدی 2D Inverse DFT

• توابع پایه دو بعدی 2D Basic Functions

• فرکانس و مکان Frequency and Spatial

احتمالات و RNN Probability and RNN

• احتمالات در مدل‌های زبانی Probability in Language Models

• احتمالات شرطی Conditional Probabilities

• قانون زنجیره‌ای احتمالات The Chain Rule of Probabilities

• محاسبه احتمالات مشترک Calculating Joint Probabilities

• مدل‌های تصویری مبتنی بر پیکسل Pixel-Base Image Models

• مدل تصویری خودرگرسیونی Autoregressive Image Model

• مکانیزم‌های توجه در مدل‌های ترنسفورمر Attention Mechanisms in Transformer Models

• مقایسه دسته‌ای (Batch) و بازگشتی Batch vs Recurrent

• مقایسه MLP و RNN MLP vs RNN

• مدل چند-به-یک Many to One

• مدل یک-به-چند One to Many

• مدل یک-به-یک One to One

• مدل توالی-به-توالی Sequence to Sequence

• شبکه RNN عمیق Deep RNN

• شبکه RNN خودرگرسیونی Autoregressive RNN

ترنسفورمر و ViT Transformer and ViT

• مقایسه دسته‌ای، بازگشتی و توجه Batch vs Recurrent vs Attention

• ترکیب توجه و MLP Attention + MLP

• خود-توجهی ضرب داخلی Dot-Product Self-Attention

• خود-توجهی QKV QKV Self-Attention

• رمزگذار (Encoder) ترنسفورمر Transformer Encoder

• مقایسه خود-توجهی و توجه متقاطع Self vs Cross Attention

• رمزگذار و رمزگشا برای ترنسفورمر Encoder and Decoder for Transformer

• لایه خروجی رمزگشا Decoder Output Layer

• تبدیل تصویر به توکن Image to Tokens

• نرمال‌سازی برای ViT Normalization for ViT

• خود-توجهی برای ViT Self-Attention for ViT

• توجه چند-سره (Multi-Head Attention) Multi-Head Attention

• پیش‌خور MLP MLP Forward Feed

• لایه خروجی ViT ViT Output Layer

• گرادیان خطا برای ViT Loss Gradient for ViT

CLIP و دیفیوژن CLIP and Diffusion

• دسته‌ای از جفت‌ها Batch of Pairs

• رمزگذار تصویر (دسته‌ای) Image Encoder (Batch)

• رمزگذار متن (دسته‌ای) Text Encoder (Batch)

• امبدینگ مشترک Joint Embedding

• پیش‌آموزش مقابله‌ای Contrastive Pre-Training

• طبقه‌بندی‌کننده تصویر Zero-Shot Zero-Shot Image Classifier

• پیش‌بینی تصویر Zero-Shot Zero-Shot Image Prediction

• مقدمه‌ای بر دیفیوژن Diffusion Introduction

• پیش‌بینی نویز Noise Prediction

• شرط‌گذاری زمانی و آموزش موازی Time Conditioning and Parallel Training

• دیفیوژن معکوس Reverse Diffusion