آموزش مقدمه ای بر شبکه های متخاصم مولد (GAN)

Introduction to Generative Adversarial Networks (GANs)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

اخیراً، احتمالاً تأثیرات هنرهای مولد در مقیاس بزرگ، متن‌های مولد و فیلم‌های مولد را دیده‌اید. آیا می خواهید اصول اولیه نحوه عملکرد این نوع هوش مصنوعی را بدانید؟ در این دوره آموزشی، مارتین کمکا، موسس خانه تولید یادگیری ماشین Northraine، شما را با یک جزء بسیار مهم در دنیای هوش مصنوعی مولد آشنا می کند: شبکه های متخاصم مولد (GAN). درباره تاریخچه GAN ها، از جمله اینکه از کجا آمده اند و چگونه در دهه گذشته تغییر کرده اند، بیاموزید. با بررسی معماری مدل و چگونگی کارکرد ساختار چندین مدل با هم، نحوه آموزش یک مدل را بیاموزید. آموزش یک مدل ساده در Jupyter Notebook را تجربه کنید. به‌علاوه، در مورد وضعیت فعلی GAI اطلاعاتی کسب کنید و در مورد اینکه به کجا می‌رود، فکر کنید.


سرفصل ها و درس ها

معرفی Introduction

  • GANs: تولید دنیاهای جدید GANs: Generating new worlds

  • آنچه شما باید بدانید What you should know

1. منشا و نمونه هایی از GAN 1. Origin and Examples of GANs

  • مقدمه ای بر GAN ها Introduction to GANs

  • منشأ: آنها از کجا آمده اند؟ Origin: Where did they come from?

  • چگونه توسعه یافتند؟ How were they developed?

  • نمونه های اولیه GAN ها Early examples of GANs

2. معماری و روش های آموزشی 2. Architecture and Training Methods

  • معماری مدل Model architecture

  • روش آموزش Training method

  • نحوه یادگیری مدل های مختلف How the different models learn

  • خروجی مدل نهایی Final model output

3. آموزش یک مدل 3. Training a Model

  • یک GAN اساسی ایجاد کنید Create a basic GAN

  • آموزش را شروع کنید و نتایج را مقایسه کنید Start training and compare results

4. آینده هوش مصنوعی مولد 4. The Future of Generative AI

  • جایی که هوش مصنوعی مولد به آنجا رفته است Where generative AI has moved to

  • جایی که هوش مصنوعی مولد به آن جا خواهد رفت Where generative AI will move to

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش مقدمه ای بر شبکه های متخاصم مولد (GAN)
جزییات دوره
29m
14
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
Martin Kemka
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Martin Kemka Martin Kemka

مارتین کمکا بنیانگذار Northraine ، یک خانه تولید ماشین یادگیری است. مارتین کمکا بنیانگذار Northraine ، یک خانه تولیدی برای یادگیری ماشین است.

در طول دهه گذشته ، مارتین راه حل های پیشگویی تحلیلی پیش بینی را برای تعدادی از شرکت ها از جمله GE ، Equifax ، D B ، بانک جهانی و زیراکس هدایت ، طراحی و ایجاد کرده است. وی همچنین به الگوریتم ها و تحقیقات pro bono در نهادهای جهانی حقوق بشر و اجتماعی کمک کرده است. از طریق مشارکت دانشگاهی ، Northraine به یک مشاوره تبدیل شده است که 40٪ از وقت خود را صرف تحقیق و 60٪ از زمان را برای طراحی الگوریتم های "بهبود شرایط انسانی" می گذراند. در http://www.northraine.com/اطلاعات بیشتری کسب کنید.