آموزش برنامه‌نویسی هوش مصنوعی مولد: واحد ۱ - آخرین آپدیت

دانلود Programming Generative AI: Unit 1

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با دوره جامع آنلاین ما، قدرت تحول‌آفرین هوش مصنوعی مولد (Generative AI) را کشف کنید. این دوره برای یادگیرندگانی طراحی شده است که مشتاق تسلط بر مفاهیم بنیادی و کاربردهای عملی مدل‌سازی مولد عمیق هستند. سفر خود را با رمزگشایی از ماهیت واقعی هوش مصنوعی مولد آغاز کنید، چشم‌انداز متنوع مدل‌های چندوجهی (Multimodal) را کاوش نمایید و درک کنید که چگونه الگوریتم‌ها می‌توانند محتوای رسانه‌ای غنی را از صفر خلق کنند. در مبانی نظری و فرمول‌بندی‌هایی که مدل‌های مولد عمیق را به پیش می‌برند عمیق شوید و بینش دقیقی درباره توازن میان معماری‌های مختلف به دست آورید. سپس به‌طور یکپارچه از تئوری به عمل منتقل شوید و با فریم‌ورک PyTorch آشنا شوید؛ یکی از قدرتمندترین ابزارها در یادگیری عمیق مدرن. از طریق تمرین‌های برنامه‌نویسی عملی، یاد می‌گیرید که چگونه تنسورها را مدیریت کنید، از مشتق‌گیری خودکار بهره ببرید و برای ساخت و آموزش شبکه‌های عصبی خود، از شتاب‌دهنده‌های GPU استفاده کنید. در پایان این دوره، شما نه‌تنها مفاهیم اصلی هوش مصنوعی مولد را درک خواهید کرد، بلکه مهارت‌های عملی لازم برای پیاده‌سازی و آزمایش مدل‌های یادگیری عمیق با ابزارهای استاندارد صنعت را کسب می‌کنید. چه به دنبال نوآوری در تحقیقات AI باشید و چه بخواهید این مهارت‌ها را در پروژه‌های واقعی به کار بگیرید، این دوره دروازه ورود شما به آینده هوش مصنوعی است.

سرفصل ها و درس ها

برنامه‌نویسی هوش مصنوعی مولد: واحد ۱ Programming Generative AI: Unit 1

  • معرفی تخصص Specialization Introduction

  • سرفصل‌ها Topics

  • هوش مصنوعی مولد در دنیای واقعی Generative AI in the Wild

  • تعریف هوش مصنوعی مولد Defining Generative AI

  • تنوع رسانه‌ها Multitudes of Media

  • ماشین‌ها چگونه خلق می‌کنند How Machines Create

  • فرمول‌بندی مدل‌های مولد Formalizing Generative Models

  • مدل‌های مولد در مقابل مدل‌های تشخیص‌دهنده Generative versus Discriminative Models

  • سه‌گانه دشوار مدل‌سازی مولد The Generative Modeling Trilemma

  • آشنایی با گوگل کولب (Google Colab) Introduction to Google Colab

  • سرفصل‌ها Topics

  • پای‌تورچ (PyTorch) چیست؟ What Is PyTorch?

  • ساختار لایه‌ای PyTorch The PyTorch Layer Cake

  • سه‌گانه دشوار نرم‌افزاری یادگیری عمیق The Deep Learning Software Trilemma

  • تنسورها واقعاً چه هستند؟ What Are Tensors, Really?

  • تنسورها در PyTorch Tensors in PyTorch

  • مقدمه‌ای بر گراف‌های محاسباتی Introduction to Computational Graphs

  • پس‌انتشار تنها همان قانون زنجیره‌ای است Backpropagation Is Just the Chain Rule

  • پس‌انتشار بدون زحمت با torch.autograd Effortless Backpropagation with torch.autograd

  • انتزاع سخت‌افزاری در PyTorch (مانند GPUها) PyTorch's Device Abstraction (i.e., GPUs)

  • کار با سخت‌افزارها Working with Devices

  • اجزای یک الگوریتم یادگیری Components of a Learning Algorithm

  • مقدمه‌ای بر گرادیان کاهشی (Gradient Descent) Introduction to Gradient Descent

  • رسیدن به گرادیان کاهشی تصادفی (SGD) Getting to Stochastic Gradient Descent (SGD)

  • مقایسه Gradient Descent و SGD Comparing Gradient Descent and SGD

  • رگرسیون خطی با PyTorch Linear Regression with PyTorch

  • پرسپترون‌ها و نورون‌ها Perceptrons and Neurons

  • لایه‌ها و توابع فعال‌ساز با torch.nn Layers and Activations with torch.nn

  • شبکه‌های عصبی پیش‌خور چندلایه (MLP) Multi-layer Feedforward Neural Networks (MLP)

نمایش نظرات

آموزش برنامه‌نویسی هوش مصنوعی مولد: واحد ۱
جزییات دوره
5h 32m
29
(آخرین آپدیت)
846
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده