آموزش ساخت مدل‌های تصویر و متن با یادگیری عمیق (Deep Learning) - آخرین آپدیت

دانلود Build Image and Text Models with Deep Learning

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در پایان این دوره، فراگیران قادر خواهند بود مجموعه‌داده‌های تصویری و متنی را آماده کنند، مدل‌های طبقه‌بندی بسازند، شبکه‌های عصبی را آموزش دهند، عملکرد مدل را ارزیابی کرده و معماری‌های ترنسفورمر را برای تولید متن به کار بگیرند. این دوره کاربردی به بررسی دو کاربرد اصلی یادگیری عمیق می‌پردازد: بینایی ماشین (Computer Vision) و پردازش زبان طبیعی (NLP). فراگیران ابتدا مجموعه‌داده‌های تصویری را دانلود، تبدیل، نرمال‌سازی و بصری‌سازی کرده و سپس طبقه‌بندی‌کننده‌ها را با استفاده از MNIST و CIFAR-10 تعریف، آموزش و آزمایش می‌کنند. همچنین لایه‌های شبکه عصبی، توابع زیان (Loss Functions)، ورودی‌ها، خروجی‌ها و حلقه‌های آموزشی را پیکربندی خواهند کرد. بخش دوم دوره به معرفی طبقه‌بندی متن با استفاده از شبکه‌های عصبی پیچشی (CNN) می‌پردازد. در این بخش، داده‌های متنی آماده شده، مدل‌های طبقه‌بندی ساخته و بهینه‌سازی می‌شوند و توابع زیان مختلف مورد آزمایش قرار می‌گیرند. در نهایت، مفاهیم تولید متن و معماری بنیادی ترنسفورمرها بررسی خواهد شد. تکمیل این دوره، فراگیران را قادر می‌سازد تا گردش‌های کاری جامع یادگیری عمیق را برای کاربردهای تصویر و متن پیاده‌سازی کنند. نقطه قوت این دوره، ترکیب بینایی ماشین و NLP در یک تجربه آموزشی پروژه-محور است که امکان مقایسه نحوه پردازش داده‌های بصری و متنی توسط شبکه‌های عصبی را فراهم می‌کند.

سرفصل ها و درس ها

طبقه‌بندی تصویر در عمل Image Classification in Action

  • دانلود مجموعه‌داده Download Dataset

  • تبدیل داده‌ها Transform the Data

  • بصری‌سازی داده‌ها Visualize the Data

  • تعریف مدل Define the Model

  • افزودن لایه‌های نهایی Add a Few Final Layers

  • آموزش مدل Train the Model

  • تست مدل Test the Model

  • بررسی CIFAR What About CIFAR

  • طبقه‌بندی‌کننده تصویر روی مجموعه‌داده Cifar 10 Image Classifier on Cifar 10 Dataset

  • دانلود و بارگذاری مجموعه‌داده ما Download and Load Our Dataset

  • مجموعه‌داده آموزش و تست Train and Test Dataset

  • تعریف شبکه عصبی ما Define Our Neural Network

  • کار روی تصویر Working on Image

  • ورودی و خروجی Input and Output

  • تعریف تابع زیان Define Our Loss Function

  • آموزش داده‌ها با Enumerate Train Data in Enumerate

  • ادامه آموزش داده‌ها با Enumerate Train Data in Enumerate Continue

  • تست شبکه عصبی روی تصویر تست Test the Neural Network on the Test Image

یادگیری عمیق برای متن Deep Learning for Text

  • مقدمه‌ای بر طبقه‌بندی متن Intro to Text Classifier

  • طبقه‌بندی متن با استفاده از CNN Text Classification Using CNN

  • آماده‌سازی داده‌ها Prepare the Data

  • ساخت مدل Build the Model

  • ادامه ساخت مدل Build the Model Continue

  • توضیحات بیشتر درباره ساخت مدل More on Build the Model

  • تعریف تابع زیان Define a Loss Function

  • ادامه تعریف تابع زیان Define a Loss Function Continue

  • توضیحات بیشتر درباره تعریف تابع زیان More on Define a Loss Function

  • ارزیابی یا تست مدل Evaluate or Test the Model

  • مقدمه‌ای بر تولید متن Intro to Text Generation

  • ترنسفورمرهای تولید متن Text Generation-Transformers

  • ادامه ترنسفورمرهای تولید متن Text Generation-Transformers Continue

  • معماری‌های ترنسفورمر Transformers-Architectures

  • ادامه معماری‌های ترنسفورمر Transformers-Architectures Continue

نمایش نظرات

آموزش ساخت مدل‌های تصویر و متن با یادگیری عمیق (Deep Learning)
جزییات دوره
8h 25m
33
(آخرین آپدیت)
10
- 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