آموزش PyTorch Ultimate 2024 - از اصول اولیه تا پیشرفته [ویدئو]

PyTorch Ultimate 2024 - From Basics to Cutting-Edge [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: PyTorch یک چارچوب پایتون است که توسط فیس بوک برای توسعه و استقرار مدل های یادگیری عمیق توسعه یافته است. امروزه یکی از محبوب ترین چارچوب های یادگیری عمیق است. شما با یادگیری مفهوم یادگیری عمیق شروع خواهید کرد. با استفاده از محاسبه گرادیان خودکار PyTorch از طریق Autograd، عمیق‌تر در مدیریت تانسور فرو بروید، ظرافت ایجاد و دستکاری تانسورها را به دست آورید. سپس با ساخت مدل های رگرسیون خطی از ابتدا به مدل سازی منتقل شوید. پس از آن، شما عمیقاً در مدل‌های طبقه‌بندی غوطه‌ور می‌شوید و بر هر دو چند برچسب و چند کلاسه تسلط خواهید داشت. سپس تئوری پشت تشخیص اشیا را خواهید دید و توانایی ساخت مدل های تشخیص شی را به دست خواهید آورد. با استفاده از YOLO v7، YOLO v8 و RCNN سریعتر، پیشرفت را در آغوش بگیرید و پتانسیل مدل های از پیش آموزش دیده را آزاد کنید و یادگیری را انتقال دهید. در RNN ها جستجو کنید و به سیستم های توصیه گر نگاه کنید، تکنیک های فاکتورسازی ماتریس را برای ارائه توصیه های شخصی باز کنید. مهارت‌های خود را در اشکال‌زدایی و استقرار مدل، جایی که مدل‌ها را با استفاده از هوک‌ها اشکال‌زدایی می‌کنید، اصلاح کنید و استراتژی‌ها را هم برای استقرار داخلی و هم در فضای ابری دنبال کنید. در نهایت، ChatGPT، ResNet و Extreme Learning Machines را بررسی خواهید کرد. در پایان این دوره، مفاهیم، ​​مدل‌ها و تکنیک‌های کلیدی را آموخته‌اید و اعتماد به‌نفس برای ایجاد و به کارگیری راه‌حل‌های یادگیری عمیق قوی را خواهید داشت. مفاهیم یادگیری عمیق را درک کنید و ابزار/بسته ها/IDE/کتابخانه ها را نصب کنید تئوری CNN، طبقه‌بندی تصویر، ابعاد لایه‌ها و تبدیل‌ها با استفاده از torchaudio و spectrograms به طبقه بندی صوتی شیرجه بزنید با کمک YOLO v7، YOLO v8 و Faster RCNN تشخیص اشیا را انجام دهید جاسازی کلمات، تجزیه و تحلیل احساسات، و مدل های NLP از قبل آموزش دیده را بیاموزید استقرار مدل ها با استفاده از Google Cloud و استراتژی های دیگر این دوره برای توسعه دهندگان پایتون و علاقه مندان به داده که به دنبال گسترش مهارت های خود هستند ایده آل است. این امر همچنین به نفع دانشمندان مشتاق داده، مهندسان یادگیری ماشین، علاقه مندان به هوش مصنوعی و هر کسی است که شیفته پتانسیل تحول آفرین یادگیری عمیق است. چه مبتدی باشید و چه دانش قبلی داشته باشید، این دوره یک پیشرفت آرام را ارائه می دهد که به شما قدرت می دهد تا با استفاده از PyTorch مدل های یادگیری عمیق را توسعه دهید، به کار بگیرید و نوآوری کنید. دانش پایه پایتون برای درگیر شدن کامل با مواد مورد نیاز است. درک جامعی از PyTorch به دست آورید که مدل های اساسی تا پیشرفته را پوشش می دهد * با مسائل دنیای واقعی مقابله کنید که به شما امکان می دهد مهارت های مورد نیاز برای برتری در زمینه یادگیری عمیق را توسعه دهید * الگوریتم های پیشرفته مانند Transformers را به گونه ای تغییر دهید. مجموعه داده های خاص به طور موثر

سرفصل ها و درس ها

نمای کلی دوره و راه اندازی سیستم Course Overview and System Setup

  • بررسی اجمالی دوره Course Overview

  • مقدمه PyTorch PyTorch Introduction

  • راه اندازی سیستم System Setup

  • نحوه دریافت مطالب دوره How to Get the Course Material

  • راه اندازی محیط کوندا Setting Up the conda Environment

  • نحوه کار با دوره How to Work with the Course

فراگیری ماشین Machine Learning

  • هوش مصنوعی (101) Artificial Intelligence (101)

  • یادگیری ماشینی (101) Machine Learning (101)

  • مدل‌های یادگیری ماشین (101) Machine Learning Models (101)

مقدمه یادگیری عمیق Deep Learning Introduction

  • مرور کلی یادگیری عمیق Deep Learning General Overview

  • مدل سازی یادگیری عمیق 101 Deep Learning Modeling 101

  • کارایی Performance

  • از پرسپترون تا شبکه عصبی From Perceptron to Neural Network

  • انواع لایه ها Layer Types

  • توابع فعال سازی Activation Functions

  • توابع از دست دادن Loss Functions

  • بهینه سازها Optimizers

  • چارچوب یادگیری عمیق Deep Learning Framework

ارزیابی مدل Model Evaluation

  • عدم تناسب بیش از حد (101) Underfitting Overfitting (101)

  • تقسیم تست قطار (101) Train Test Split (101)

  • تکنیک های نمونه گیری مجدد (101) Resampling Techniques (101)

شبکه عصبی از ابتدا Neural Network from Scratch

  • نمای کلی بخش Section Overview

  • شبکه عصبی از ابتدا (101) Neural Network from Scratch (101)

  • محاسبه محصول نقطه ای (کدگذاری) Calculating the dot-product (Coding)

  • شبکه عصبی از ابتدا (آماده سازی داده ها) Neural Network from Scratch (Data Prep)

  • شبکه عصبی از Scratch Modeling تابع __init__ Neural Network from Scratch Modeling __init__ Function

  • شبکه عصبی از توابع کمکی مدلسازی اولیه Neural Network from Scratch Modeling Helper Functions

  • شبکه عصبی از تابع مدل‌سازی خراش به جلو Neural Network from Scratch Modeling Forward Function

  • تابع عقب ماندگی مدلسازی شبکه عصبی Neural Network from Scratch Modeling Backward Function

  • شبکه عصبی از تابع بهینه ساز مدل سازی اولیه Neural Network from Scratch Modeling Optimizer Function

  • شبکه عصبی از تابع قطار مدلسازی خراش Neural Network from Scratch Modeling Train Function

  • شبکه عصبی از آموزش مدل اولیه Neural Network from Scratch Model Training

  • شبکه عصبی از ارزیابی مدل اولیه Neural Network from Scratch Model Evaluation

تانسورها Tensors

  • نمای کلی بخش Section Overview

  • از تانسورها تا نمودارهای محاسباتی (101) From Tensors to Computational Graphs (101)

  • تانسور (کدگذاری) Tensor (Coding)

مقدمه مدلسازی PyTorch PyTorch Modeling Introduction

  • نمای کلی بخش Section Overview

  • رگرسیون خطی از ابتدا (کدگذاری، آموزش مدل) Linear Regression from Scratch (Coding, Model Training)

  • رگرسیون خطی از ابتدا (کدگذاری، ارزیابی مدل) Linear Regression from Scratch (Coding, Model Evaluation)

  • کلاس مدل (کدگذاری) Model Class (Coding)

  • تمرین: میزان یادگیری و تعداد دوره ها Exercise: Learning Rate and Number of Epochs

  • راه حل: میزان یادگیری و تعداد دوره ها Solution: Learning Rate and Number of Epochs

  • دسته (101) Batches (101)

  • دسته (کدگذاری) Batches (Coding)

  • مجموعه داده ها و بارگذارهای داده (101) Datasets and Dataloaders (101)

  • مجموعه داده ها و بارگذارهای داده (کدگذاری) Datasets and Dataloaders (Coding)

  • ذخیره و بارگیری مدل ها (101) Saving and Loading Models (101)

  • ذخیره و بارگذاری مدل ها (کدگذاری) Saving and Loading Models (Coding)

  • آموزش مدل (101) Model Training (101)

  • تنظیم فراپارامتر (101) Hyperparameter Tuning (101)

  • تنظیم فراپارامتر (کدگذاری) Hyperparameter Tuning (Coding)

مدل های طبقه بندی Classification Models

  • نمای کلی بخش Section Overview

  • انواع طبقه بندی (101) Classification Types (101)

  • ماتریس سردرگمی (101) Confusion Matrix (101)

  • منحنی ROC (101) ROC Curve (101)

  • Multi-Class 1: Data Prep Multi-Class 1: Data Prep

  • چند کلاس 2: کلاس مجموعه داده (تمرین) Multi-Class 2: Dataset Class (Exercise)

  • چند کلاس 3: کلاس مجموعه داده (راه حل) Multi-Class 3: Dataset Class (Solution)

  • چند کلاس 4: کلاس شبکه (تمرین) Multi-Class 4: Network Class (Exercise)

  • چند کلاس 5: کلاس شبکه (راه حل) Multi-Class 5: Network Class (Solution)

  • Multi-Class 6: Loss، Optimizer و Hyperparameters Multi-Class 6: Loss, Optimizer, and Hyperparameters

  • چند کلاس 7: حلقه آموزشی Multi-Class 7: Training Loop

  • چند کلاس 8: ارزیابی مدل Multi-Class 8: Model Evaluation

  • Multi-Class 9: Naive Classifier Multi-Class 9: Naive Classifier

  • چند کلاس 10: خلاصه Multi-Class 10: Summary

  • چند برچسبی (تمرین) Multi-Label (Exercise)

  • چند برچسبی (راه حل) Multi-Label (Solution)

CNN: طبقه بندی تصاویر CNN: Image Classification

  • نمای کلی بخش Section Overview

  • CNN (101) CNNs (101)

  • CNN (تعاملی) CNN (Interactive)

  • پیش پردازش تصویر (101) Image Preprocessing (101)

  • پیش پردازش تصویر (کدگذاری) Image Preprocessing (Coding)

  • طبقه بندی تصاویر باینری (101) Binary Image Classification (101)

  • طبقه بندی تصاویر باینری (کدگذاری) Binary Image Classification (Coding)

  • طبقه بندی تصاویر چند کلاسه (تمرین) Multi-Class Image Classification (Exercise)

  • طبقه بندی تصاویر چند طبقه (راه حل) Multi-Class Image Classification (Solution)

  • محاسبات لایه (101) Layer Calculations (101)

  • محاسبات لایه (کدگذاری) Layer Calculations (Coding)

CNN: طبقه بندی صوتی CNN: Audio Classification

  • طبقه بندی صوتی (101) Audio Classification (101)

  • طبقه بندی صوتی (تمرین) Audio Classification (Exercise)

  • طبقه بندی صوتی (تحلیل داده های اکتشافی) Audio Classification (Exploratory Data Analysis)

  • طبقه بندی صوتی (راه حل آماده سازی داده ها) Audio Classification (Data Prep-Solution)

  • طبقه بندی صدا (مدل-راه حل) Audio Classification (Model-Solution)

CNN: تشخیص شی CNN: Object Detection

  • نمای کلی بخش Section Overview

  • معیارهای دقت (101) Accuracy Metrics (101)

  • تشخیص شی (101) Object Detection (101)

  • تشخیص شی با آشکارساز (کدگذاری) Object Detection with detecto (Coding)

  • آموزش مدل بر روی GPU به صورت رایگان (کدنویسی) Training a Model on GPU for Free (Coding)

  • یولو (101) YOLO (101)

  • فرمت های برچسب گذاری Labeling Formats

  • پروژه YOLOv7 (101) YOLOv7 Project (101)

  • کدگذاری YOLOv7: راه اندازی YOLOv7 Coding: Setup

  • کدگذاری YOLOv7: آماده سازی داده YOLOv7 Coding: Data Prep

  • YOLOv7 Coding: Model Training YOLOv7 Coding: Model Training

  • کدگذاری YOLOv7: استنتاج مدل YOLOv7 Coding: Model Inference

  • کدگذاری YOLOv8: آموزش مدل و استنتاج YOLOv8 Coding: Model Training and Inference

انتقال سبک Style Transfer

  • نمای کلی بخش Section Overview

  • انتقال سبک (101) Style Transfer (101)

  • انتقال سبک (کدگذاری) Style Transfer (Coding)

شبکه های از پیش آموزش دیده و آموزش انتقال Pre-Trained Networks and Transfer Learning

  • نمای کلی بخش Section Overview

  • انتقال آموزش و شبکه های از پیش آموزش دیده (101) Transfer Learning and Pre-Trained Networks (101)

  • آموزش انتقال (کد نویسی) Transfer Learning (Coding)

شبکه های عصبی مکرر Recurrent Neural Networks

  • نمای کلی بخش Section Overview

  • RNN (101) RNN (101)

  • LSTM (کدگذاری) LSTM (Coding)

  • LSTM (ورزش) LSTM (Exercise)

سیستم توصیهگر Recommender Systems

  • سیستم های توصیه کننده (101) Recommender Systems (101)

  • RecSys (کدگذاری 1/4) - مجموعه داده و کلاس مدل RecSys (Coding 1/4) - Dataset and Model Class

  • RecSys (کدگذاری 2/4) - آموزش و ارزیابی مدل RecSys (Coding 2/4) - Model Training and Evaluation

  • RecSys (کدگذاری 3/4) - کاربران و موارد RecSys (Coding 3/4) - Users and Items

  • RecSys (کدگذاری 4/4) - Precision@k و Recall@k RecSys (Coding 4/4) - Precision@k and Recall@k

رمزگذارهای خودکار Autoencoders

  • نمای کلی بخش Section Overview

  • رمزگذارهای خودکار (101) Autoencoders (101)

  • رمزگذارهای خودکار (کدگذاری) Autoencoders (Coding)

شبکه های متخاصم مولد Generative Adversarial Networks

  • نمای کلی بخش Section Overview

  • GAN (101) GANs (101)

  • GAN (کدگذاری) GANs (Coding)

  • GAN (ورزش) GANs (Exercise)

شبکه های عصبی نموداری Graph Neural Networks

  • شبکه های عصبی نمودار (101) Graph Neural Networks (101)

  • معرفی نمودار (کدنویسی) Graph Introduction (Coding)

  • طبقه بندی گره (کدگذاری: آماده سازی داده) Node Classification (Coding: Data Prep)

  • طبقه بندی گره (کدگذاری: قطار مدل) Node Classification (Coding: Model Train)

  • طبقه بندی گره (کدگذاری: Model Eval) Node Classification (Coding: Model Eval)

مبدل ها Transformers

  • ترانسفورماتور 101 Transformers 101

  • Vision Transformers (ViT) Vision Transformers (ViT)

  • آموزش ViT در مجموعه داده سفارشی (کدگذاری) Train ViT on Custom Dataset (Coding)

PyTorch Lightning PyTorch Lightning

  • PyTorch Lightning (101) PyTorch Lightning (101)

  • PyTorch Lightning (کد نویسی) PyTorch Lightning (Coding)

  • توقف زودهنگام (101) Early Stopping (101)

  • توقف زودهنگام (کدگذاری) Early Stopping (Coding)

یادگیری نیمه نظارتی Semi-Supervised Learning

  • یادگیری نیمه نظارتی (101) Semi-Supervised Learning (101)

  • یادگیری تحت نظارت (مدل مرجع، کدگذاری) Supervised Learning (Reference Model, Coding)

  • یادگیری نیمه نظارتی (1/2: مجموعه داده و بارگذار داده) Semi-Supervised Learning (1/2: Dataset and Dataloader)

  • یادگیری نیمه نظارتی (2/2 مدل سازی) Semi-Supervised Learning (2/2 Modeling)

پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)

  • پردازش زبان طبیعی (101) Natural Language Processing (101)

  • مقدمه جاسازی کلمه (101) Word Embeddings Intro (101)

  • مقدمه کدگذاری احساس OHE Sentiment OHE Coding Introduction

  • احساس OHE (کدگذاری) Sentiment OHE (Coding)

  • جاسازی کلمه با شبکه عصبی (101) Word Embeddings with Neural Network (101)

  • GloVe: جاسازی کلمه (کدگذاری) را دریافت کنید GloVe: Get Word Embedding (Coding)

  • دستکش: نزدیکترین کلمات را پیدا کنید (کدگذاری) Glove: Find Closest Words (Coding)

  • GloVe: قیاس کلمات (کدگذاری) GloVe: Word Analogy (Coding)

  • GloVe Word Cluster (101) GloVe Word Cluster (101)

  • GloVe Word (کدگذاری) GloVe Word (Coding)

  • احساس با جاسازی (101) Sentiment with Embedding (101)

  • احساس با جاسازی (کدگذاری) Sentiment with Embedding (Coding)

  • استفاده از مدل های از پیش آموزش دیده پردازش زبان طبیعی (101) Apply Pre-Trained Natural Language Processing Models (101)

  • استفاده از مدل های از پیش آموزش دیده پردازش زبان طبیعی (کدگذاری) Apply Pre-Trained Natural Language Processing Models (Coding)

  • پایگاه های داده برداری (101) Vector Databases (101)

  • بازیابی نسل افزوده (101) Retrieval Augmented Generation (101)

  • کلود 3 (101) Claude 3 (101)

  • کلود 3 (کد نویسی) Claude 3 (Coding)

  • طبقه بندی شات صفر (101) Zero-Shot Classification (101)

  • طبقه بندی صفر شات (کدگذاری) Zero-Shot Classification (Coding)

موضوعات متفرقه Miscellaneous Topics

  • OpenAI ChatGPT (101) OpenAI ChatGPT (101)

  • ResNet (101) ResNet (101)

  • آغاز (101) Inception (101)

  • ماژول آغازین (کد نویسی) Inception Module (Coding)

  • یادگیری افراطی (101) Extreme Learning (101)

  • یادگیری افراطی (کدنویسی) Extreme Learning (Coding)

اشکال زدایی مدل Model Debugging

  • قلاب (101) Hooks (101)

  • قلاب (کدگذاری) Hooks (Coding)

استقرار مدل Model Deployment

  • استقرار مدل (101) Model Deployment (101)

  • Flask On-Premise، Hello World (کدنویسی) Flask On-Premise, Hello World (Coding)

  • API On-Premise با مدل یادگیری عمیق (کدنویسی) API On-Premise with Deep Learning Model (Coding)

  • API On-Premise: نحوه مصرف داده ها (کدنویسی) API On-Premise: How to Consume the Data (Coding)

  • Google Cloud: استقرار وزن مدل (کدگذاری) Google Cloud: Deploy Model Weights (Coding)

  • Google Cloud: استقرار REST API (کدگذاری) Google Cloud: Deploy REST API (Coding)

بخش پایانی Final Section

  • با تشکر از شما و منابع بیشتر Thank You and Further Resources

نمایش نظرات

نظری ارسال نشده است.

آموزش PyTorch Ultimate 2024 - از اصول اولیه تا پیشرفته [ویدئو]
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
17 h 36 m
169
Packtpub packtpub-small
06 مهر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
از 5
ندارد
دارد
دارد
Bert Gollnick

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bert Gollnick Bert Gollnick

دانشمند داده

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.