آموزش PyTorch Ultimate 2023: از اصول اولیه تا پیشرفته

PyTorch Ultimate 2023: From Basics to Cutting-Edge

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با استفاده از محبوب‌ترین چارچوب یادگیری عمیق PyTorch همه جنبه‌های مرتبط PyTorch را از مدل‌های ساده گرفته تا مدل‌های پیشرفته که مدل شما را در محل نصب می‌کنند و پردازش زبان طبیعی ابری (NLP)، CNN (تصویر، طبقه‌بندی صوتی؛ تشخیص شی)، RNN، ترانسفورماتور، انتقال سبک، رمزگذار خودکار، GAN، توصیه‌کننده الگوریتم‌های درجه یک مانند ترانسفورماتورها را با مجموعه داده‌های سفارشی تطبیق می‌دهند و مدل‌های CNN را برای طبقه‌بندی تصویر، تشخیص اشیاء، انتقال سبک توسعه مدل‌های RNN، رمزگذارهای خودکار، خصمانه تولیدی ایجاد می‌کنند. شبکه ها در مورد چارچوب های جدید (مانند PyTorch Lightning) و مدل های جدید مانند OpenAI ChatGPT از یادگیری انتقال استفاده می کنند.

PyTorch یک چارچوب پایتون است که توسط فیس بوک برای توسعه و استقرار مدل های یادگیری عمیق توسعه یافته است. این یکی از محبوب ترین چارچوب های یادگیری عمیق امروزه است.


در این دوره شما هر چیزی را که برای توسعه و بکارگیری مدل‌های یادگیری عمیق برای داده‌های خود لازم است، یاد خواهید گرفت. تمام زمینه‌های مرتبط مانند رگرسیون، طبقه‌بندی، CNN، RNN، GANs، NLP، سیستم‌های توصیه‌کننده و بسیاری موارد دیگر پوشش داده شده‌اند. علاوه بر این، مدل‌ها و معماری‌های پیشرفته مانند Transformers، YOLOv7، یا ChatGPT ارائه شده‌اند.

برای من مهم است که مفاهیم اساسی و همچنین نحوه اجرای تکنیک ها را یاد بگیرید. قبل از اینکه راه حل خود را به شما ارائه دهم، از شما خواسته می شود که به تنهایی با مشکلات مقابله کنید.


در دوره ام به شما یاد خواهم داد:

  • مقدمه ای بر یادگیری عمیق

    • درک سطح بالا

    • پرسپترون ها

    • لایه ها

    • عملکردهای فعال سازی

    • توابع از دست دادن

    • بهینه سازها

  • حرکت تانسور

    • ایجاد و ویژگی های خاص تانسورها

    • محاسبه شیب خودکار (autograd)

  • معرفی مدلسازی، از جمله.

    • رگرسیون خطی از ابتدا

    • درک آموزش مدل PyTorch

    • دسته ها

    • مجموعه داده ها و بارگذارهای داده

    • تنظیم فراپارامتر

    • ذخیره و بارگیری مدل ها

  • مدل های طبقه بندی

    • طبقه بندی چند برچسب

    • طبقه بندی چند طبقه

  • شبکه های عصبی کانولوشنال

    • نظریه CNN

    • یک مدل طبقه بندی تصویر ایجاد کنید

    • محاسبه ابعاد لایه

    • تغییرهای تصویر

    • طبقه بندی صدا با مشعل و طیف نگار

  • تشخیص شی

    • نظریه تشخیص شی

    • یک مدل تشخیص شیء ایجاد کنید

    • YOLO v7، YOLO v8

    • RCNN سریعتر

  • انتقال سبک

    • نظریه انتقال سبک

    • در حال توسعه مدل انتقال سبک خود

  • مدل های از پیش آموزش دیده و آموزش انتقال

  • شبکه های عصبی مکرر

    • نظریه شبکه عصبی مکرر

    • در حال توسعه مدل های LSTM

  • سیستم های پیشنهادی با فاکتورسازی ماتریسی

  • رمزگذارهای خودکار

  • ترانسفورماتور

    • ترانسفورماتورها، از جمله Vision Transformers (ViT) را درک کنید

    • ViT را با یک مجموعه داده سفارشی تطبیق دهید

  • شبکه های دشمن مولد

  • یادگیری نیمه نظارت

  • پردازش زبان طبیعی (NLP)

    • معرفی Word Embeddings

    • جاسازی کلمه با شبکه های عصبی

    • توسعه یک مدل تجزیه و تحلیل احساسات بر اساس رمزگذاری تک داغ و GloVe

    • کاربرد مدل های NLP از پیش آموزش دیده

  • اشکال‌زدایی مدل

    • قلاب‌ها

  • استقرار مدل

    • راهبردهای استقرار

    • استقرار در محل و ابر، به ویژه Google Cloud

  • موضوعات متفرقه

    • ChatGPT

    • ResNet

    • ماشین یادگیری شدید (ELM)


هم اکنون ثبت نام کنید تا برخی از جالب ترین تکنیک ها را بیاموزید و با مهارت های جدید خود شغل خود را تقویت کنید.


با احترام،

برت


سرفصل ها و درس ها

نمای کلی دوره و راه اندازی سیستم Course Overview & 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

  • اطلاعات اضافی برای کاربران مک Additional Information for Mac-Users

  • راه اندازی محیط کوندا Setting up the conda environment

  • مدیریت خطای راه اندازی محیط عمومی General Environment Setup Error Handling

  • 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

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 (اختیاری اما به شدت توصیه می شود) Neural Network from Scratch (opt. but highly recommended)

  • نمای کلی بخش Section Overview

  • NN از ابتدا (101) NN from Scratch (101)

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

  • NN از ابتدا (آماده سازی داده) NN from Scratch (Data Prep)

  • NN از تابع Scratch Modeling __init__ NN from Scratch Modeling __init__ function

  • NN از Scratch Modeling Helper Functions NN from Scratch Modeling Helper Functions

  • NN از تابع Scratch Modeling Forward NN from Scratch Modeling forward function

  • NN از Scratch Modeling تابع عقب NN from Scratch Modeling backward function

  • NN از عملکرد بهینه ساز Scratch Modeling NN from Scratch Modeling optimizer function

  • NN از تابع قطار مدلسازی خراش NN from Scratch Modeling train function

  • NN از آموزش مدل اسکرچ NN from Scratch Model Training

  • NN از ارزیابی مدل اسکرچ NN 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 Hyper Parameters Multi-Class 6: Loss, Optimizer, and Hyper Parameters

  • 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) MultiClass Image Classification (Exercise)

  • طبقه بندی تصاویر چند کلاسه (راه حل) MultiClass 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 رایگان مدل بر روی GPU (کد نویسی) 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 Pretrained Networks and Transfer Learning

  • نمای کلی بخش Section Overview

  • انتقال آموزش و شبکه های از پیش آموزش دیده (101) Transfer Learning and Pretrained 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)

  • بهبود مدل LSTM LSTM Model Improvements

  • LSTM (ورزش) LSTM (Exercise)

  • LSTM (راه حل) LSTM (Solution)

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 Lighting (101) PyTorch Lighting (101)

  • PyTorch Ligthning (کدگذاری) PyTorch Ligthning (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) Supvervised 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 جاسازی‌های کلمه (101) Word Embeddings Intro (101)

  • معرفی کدگذاری احساس OHE Sentiment OHE Coding Intro

  • احساس OHE (کدگذاری) Sentiment OHE (Coding)

  • جاسازی کلمه با NN (101) Word Embeddings with NN (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)

  • خوشه کلمات دستکش (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 NLP از پیش آموزش دیده (101) Apply Pre-trained NLP Models (101)

  • استفاده از مدل های از پیش آموزش دیده NLP (کدنویسی) Apply Pre-Trained NLP Models (Coding)

موضوعات متفرقه Miscellanious 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 (کدگذاری) 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 & Further Resources

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش PyTorch Ultimate 2023: از اصول اولیه تا پیشرفته
جزییات دوره
17.5 hours
167
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,072
4.5 از 5
ندارد
دارد
دارد
Bert Gollnick
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bert Gollnick Bert Gollnick

دانشمند داده