لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تکنیکها و کاربردهای پیشرفته PyTorch
- آخرین آپدیت
دانلود Advanced PyTorch Techniques and Applications
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای قابلیت Coursera Coach است!
روشی هوشمندانهتر برای یادگیری با گفتگوهای تعاملی و لحظهای که به شما کمک میکند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشرفت در دوره، درک خود را عمیقتر کنید.
با این دوره جامع که برای کاربران پیشرفته طراحی شده است، پتانسیل کامل PyTorch را آزاد کنید. با شروع از سیستمهای توصیهگر (Recommender Systems)، یاد میگیرید که چگونه این مدلها را بسازید و ارزیابی کنید و اطلاعات کاربر و آیتم را برای بهبود توصیهها به کار ببرید. در ادامه، بخش Autoencoders شما را با مفاهیم بنیادی و پیادهسازی عملی آنها آشنا میکند و پایهای محکم برای وظایف کاهش ابعاد و فشردهسازی دادهها فراهم میسازد.
سپس شبکههای مولد رقابتی (GANs) پوشش داده میشوند، جایی که یاد میگیرید GANها را در سناریوهای مختلف پیادهسازی و اعمال کنید و مهارتهای خود را در ایجاد شبیهسازیهای واقعگرایانه دادهها تقویت نمایید. این دوره همچنین به شبکههای عصبی گراف (GNNs) میپردازد و به شما آموزش میدهد که چگونه دادههای گرافی را برای کارهایی مانند طبقهبندی گرهها مدیریت کنید. سپس معماری ترنسفورمرها (Transformers)، از جمله انطباق آن برای وظایف بینایی با Vision Transformers (ViT) را بررسی خواهید کرد تا مهارتهای لازم برای حل مسائل پیچیده توالی و بینایی را کسب کنید.
علاوه بر ساخت مدل، این دوره بر PyTorch Lightning برای توسعه بهینه مدل و تکنیکهای Early Stopping برای بهینهسازی آموزش تأکید دارد. متدهای یادگیری نیمه نظارتی (Semi-supervised learning) نیز پوشش داده شدهاند تا به شما کمک کنند از هر دو نوع دادههای برچسبدار و بدون برچسب برای بهبود عملکرد مدل بهره ببرید. بخش گسترده پردازش زبان طبیعی (NLP) تضمین میکند که بر Word Embeddings، تحلیل احساسات و تکنیکهای پیشرفتهای مانند Zero-shot Classification مسلط شوید. دوره با مباحث ضروری در استقرار مدل (Model Deployment) با استفاده از فریمورکهایی مانند Flask و Google Cloud برای تبدیل مدلهای شما به محصول نهایی به پایان میرسد.
این دوره برای دانشمندان داده، مهندسان یادگیری ماشین و پژوهشگران هوش مصنوعی با پایه قوی در PyTorch طراحی شده است. پیشنیازها شامل درک عمیق از مبانی یادگیری ماشین، تسلط بر برنامهنویسی پایتون و تجربه قبلی در کار با PyTorch است.
سرفصل ها و درس ها
سیستمهای توصیهگر
Recommender Systems
سیستمهای توصیهگر (مبانی)
Recommender Systems (101)
سیستم توصیهگر (کدنویسی ۱/۴) مجموعه داده و کلاس مدل
RecSys (Coding 1/4) - Dataset and Model Class
سیستم توصیهگر (کدنویسی ۲/۴) آموزش و ارزیابی مدل
RecSys (Coding 2/4) - Model Training and Evaluation
سیستم توصیهگر (کدنویسی ۳/۴) کاربران و آیتمها
RecSys (Coding 3/4) - Users and Items
سیستم توصیهگر (کدنویسی ۴/۴) معیارهای Precision@k و Recall@k
RecSys (Coding 4/4) - Precision@k and Recall@k
نمایش نظرات