لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق - بینایی کامپیوتر برای مبتدیان با استفاده از PyTorch [ویدئو]
Deep Learning - Computer Vision for Beginners Using PyTorch [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
توجه: این دوره در درجه اول بر آموزش PyTorch و یادگیری عمیق برای بینایی کامپیوتر متمرکز است، اما همچنین شامل چند بخش در مبانی پایتون است (بخشهای 8-12). این بخشهای یادگیری اختیاری برای افرادی طراحی شدهاند که ممکن است در پایتون جدید باشند یا میخواهند دانش خود را از اصول پایتون بهروزرسانی کنند.
در این دوره، ابتدا با درک اصول PyTorch، یک روش گام به گام را در پیش خواهیم گرفت. سپس با استفاده از راهنمای دریافت GPU رایگان برای یادگیری، نحوه کدنویسی در GPU را یاد خواهید گرفت. سپس با ویژگی AutoGrad PyTorch و نحوه استفاده از آن آشنا خواهید شد. بعداً، نحوه استفاده از PyTorch را برای ایجاد مدلهای یادگیری عمیق و درک اصول شبکههای عصبی کانولوشنال (CNN) خواهید آموخت. همچنین یاد خواهید گرفت که چگونه از CNN با مجموعه داده های واقعی استفاده کنید.
علاوه بر این، این دوره بر اصول اساسی تأکید می کند و زمینه را برای درک پایتون فراهم می کند. همچنین در مورد سه کتابخانه مهم پایتون به نامهای NumPy، Pandas و Matplotlib صحبت خواهیم کرد. در این بخش از دوره، ما همچنین یک پروژه کوچک خواهیم ساخت که در آن یک بازی جلاد را در پایتون می سازیم.
در پایان این دوره، ما قادر به انجام وظایف Computer Vision با یادگیری عمیق خواهیم بود.
تمام منابع این دوره در دسترس است: https://github.com/PacktPublishing/Deep-Learning---Computer-Vision-for-Beginners-Using-PyTorch یاد بگیرید چگونه با PyTorch کار کنید.
ایجاد شهود در عملیات کانولوشن روی تصاویر
پیاده سازی گرادیان نزول با استفاده از AutoGrad
با معماری LeNet آشنا شوید
یک بازی پروژه مینی پایتون بسازید
نحوه استفاده از کتابخانه های NumPy، Pandas و Matplotlib را بدانید توسعه دهندگان نرم افزار، متخصصان یادگیری ماشین، دانشمندان داده و هر کس دیگری که علاقه مند به درک PyTorch و یادگیری عمیق است باید این دوره را بگذراند. در حالی که دانش پایه پایتون مفید خواهد بود، اما پیش نیاز نیست زیرا در طول دوره به آموزش اصول لازم خواهیم پرداخت. یاد بگیرید که چگونه وظایف Computer Vision را با یادگیری عمیق انجام دهید * آموزش پیاده سازی معماری LeNet بر روی مجموعه داده CIFAR10 که 60000 تصویر دارد * پایه برنامه نویسی خود را با پایتون بسازید.
سرفصل ها و درس ها
خوش آمدید
Welcome Aboard
معرفی دوره
Course Introduction
چرا PyTorch قدرتمند است؟
Why Is PyTorch Powerful?
مقدمه ای بر PyTorch و Tensors
Introduction to PyTorch and Tensors
PyTorch چیست
What Is PyTorch
شیرجه رفتن در PyTorch
Diving into PyTorch
در حال نصب PyTorch
Installing PyTorch
ایجاد تنسور در PyTorch
Create Tensors in PyTorch
برش تانسور و تغییر شکل
Tensor Slicing and Reshape
عملیات ریاضی روی تانسورها
Mathematical Operations on Tensors
NumPy در PyTorch
NumPy in PyTorch
CUDA چیست؟
What Is CUDA
PyTorch در GPU
PyTorch on GPU
AutoGrad در PyTorch
AutoGrad in PyTorch
AutoGrad در PyTorch
AutoGrad in PyTorch
AutoGrad در یک حلقه
AutoGrad in a Loop
ایجاد شبکه های عصبی عمیق در PyTorch
Creating Deep Neural Networks in PyTorch
ساخت اولین شبکه عصبی
Building the First Neural Network
نوشتن یک شبکه عصبی عمیق
Writing a Deep Neural Network
نوشتن یک ماژول NN سفارشی
Writing a Custom NN Module
CNN در PyTorch
CNN in PyTorch
بارگذاری داده - CIFAR10
Data Loading - CIFAR10
تجسم داده ها
Data Visualization
CNN خلاصه
CNN Recap
اولین CNN
First CNN
لایه های عمیق CNN
CNN Deep Layers
معماری LeNet در PyTorch
LeNet Architecture in PyTorch
چرا هر زبان برنامه نویسی را یاد بگیریم
Why Learn Any Programming Language
چرا پایتون را انتخاب کنید
Why Choose Python
نصب نوت بوک Jupyter
Installing Jupyter Notebook
نوت بوک Jupyter - نکات و ترفندها
Jupyter Notebook - Tips and Tricks
آنچه ما در این بخش پوشش خواهیم داد
What We Will Cover in This Section
متغیرها در پایتون
Variables in Python
عملکرد چاپ
Print Function
انواع داده های عددی و عملیات حسابی در پایتون
Numerical Data Types and Arithmetic Operations in Python
نوع داده رشته ای
String Data Type
نوع داده بولی
Boolean Data Type
تبدیل نوع و ریخته گری نوع
Type Conversion and Type Casting
اضافه کردن نظرات به زبان برنامه نویسی پایتون
Adding Comments in Python Programming Language
ساختارهای داده در پایتون
Data Structures in Python
تاپل ها و مجموعه ها در پایتون
Tuples and Sets in Python
دیکشنری های پایتون
Python Dictionaries
دستورات شرطی در پایتون - if
Conditional Statements in Python - if
عبارات شرطی در پایتون - while
Conditional Statements in Python - While
توابع داخلی در پایتون - محدوده و ورودی
Inbuilt Functions in Python - range and input
برای حلقه ها
For Loops
توابع در پایتون
Functions in Python
کلاس ها در پایتون
Classes in Python
یادگیری اختیاری - پروژه کوچک با اصول پایتون
Optional Learning - Mini Project with Python Basics
مینی پروژه - جلاد
Mini Project - Hangman
نوشتن یک کلاس
Writing a Class
مینی پروژه - ادامه دارد
Mini Project - Continued
ساختمان منطق
Logic Building
منطق برای ورودی تک حرفی
Logic for Single-Letter input
تست نهایی
Final Testing
یادگیری اختیاری - پایتون برای علم داده - با NumPy
Optional Learning - Python for Data Science – with NumPy
NumPy
NumPy
تغییر اندازه و تغییر شکل آرایه ها
Resize and Reshape Arrays
برش دادن
Slicing
صدا و سیما
Broadcasting
عملیات و توابع ریاضی در NumPy
Mathematical Operations and Functions in NumPy
یادگیری اختیاری - پایتون برای علم داده - با پانداها
Optional Learning - Python for Data Science – with Pandas
کتابخانه پانداها
Pandas Library
چارچوب داده پاندا
Pandas Dataframe
Pandas Dataframe - بارگیری از فایل خارجی
Pandas Dataframe - Load from External File
کار با مقادیر پوچ
Working with Null Values
Slicing Pandas Dataframe
Slicing Pandas Dataframe
انتساب
Imputation
یادگیری اختیاری - پایتون برای علم داده - با Matplotlib
Optional Learning - Python for Data Science – with Matplotlib
مقدمه Matplotlib
Matplotlib Introduction
طرح را قالب بندی کنید
Format the Plot
قالب بندی پلات و طرح پراکندگی
Plot Formatting and Scatter Plot
هیست پلات
Histplot
نمایش نظرات
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.
Manifold AI Learning یک آکادمی آنلاین با هدف توانمندسازی دانشآموزان با دانش و مهارتهایی است که میتواند مستقیماً برای حل مشکلات دنیای واقعی در علم داده، یادگیری ماشین و هوش مصنوعی به کار رود.
با یک برنامه درسی تنظیم شده و یک راهنمای عملی، شما همیشه یک حرفه ای آماده برای صنعت خواهید بود.
نمایش نظرات