آموزش انویدیا: مبانی یادگیری عمیق (Fundamentals of Deep Learning) - آخرین آپدیت

دانلود NVIDIA: Fundamentals of Deep Learning

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره مبانی یادگیری عمیق NVIDIA، دومین دوره از تخصص آماده‌سازی آزمون (NCA-GENL) برای دریافت گواهینامه Associate مدل‌های زبانی بزرگ (LLMs) و هوش مصنوعی مولد انویدیا است. این دوره مفاهیم و تکنیک‌های محوری یادگیری عمیق را بر پایه اصول بنیادی یادگیری ماشین به کاربران معرفی می‌کند. در این دوره مباحثی چون پردازش داده‌های نورون، گرادینت نزولی (Gradient Descent)، آموزش پرسپترون، انتشار پیش‌رو و پس‌رو (Forward and Backward Propagation)، توابع فعال‌ساز و تکنیک‌های پیشرفته‌ای مانند طبقه‌بندی چندکلاسه و شبکه‌های عصبی پیچشی (CNNs) پوشش داده شده است. همچنین یادگیرندگان از طریق یک دمو عملی با مفهوم یادگیری انتقالی (Transfer Learning) آشنا خواهند شد. ساختار این دوره شامل دو ماژول است که هر ماژول دارای درس‌ها و ویدیوهای آموزشی می‌باشد. محتوای ویدئویی این دوره حدود ۳:۳۰ تا ۴:۰۰ ساعت است که ترکیبی از مفاهیم تئوری و تمرینات عملی است. هر ماژول برای ارزیابی درک کاربران و تثبیت مفاهیم کلیدی، شامل آزمون‌های کوتاه (Quiz) است. سرفصل‌های دوره: ماژول ۱: مبانی یادگیری عمیق ماژول ۲: تکنیک‌های پیشرفته یادگیری عمیق در پایان این دوره، کاربر قادر خواهد بود: - مبانی یادگیری عمیق، از جمله پردازش داده‌های نورون و آموزش مدل را درک کند. - طبقه‌بندی چندکلاسه و CNNها را برای وظایف تشخیص تصویر پیاده‌سازی کند. - یادگیری انتقالی را با استفاده از مدل‌های پیش‌آموزش‌دیده برای بهبود عملکرد یادگیری عمیق به کار گیرد. این دوره برای افرادی طراحی شده است که به دنبال ارتقای مهارت‌های خود در یادگیری عمیق هستند، به‌ویژه کسانی که قصد کار با مدل‌های هوش مصنوعی مولد و LLMها را دارند. این دوره برای متخصصان AI، دانشمندان داده و مهندسان یادگیری ماشین که به دنبال یک رویکرد ساختاریافته برای تسلط بر مفاهیم یادگیری عمیق هستند، ایده‌آل است.

سرفصل ها و درس ها

مبانی یادگیری عمیق Foundations of Deep Learning

  • یادگیری عمیق چیست ؟ What is Deep Learning ?

  • انتظارات از دوره مبانی یادگیری عمیق Expectations from Fundamentals of Deep Learning

  • داده‌ها در یک نورون چگونه پردازش می‌شوند ؟ How Data is processed in a Neuron ?

  • گرادینت نزولی (Gradient Descent) Gradient Descent

  • دموی آموزش یک پرسپترون Training a Perceptron - Demo

  • شبکه عصبی یادگیری عمیق - انتشار پیش‌رو Deep Learning Neural Network - Forward Propagation

  • انتشار پس‌رو در شبکه عصبی یادگیری عمیق Backward Propagation - Deep Learning Neural Network

  • توابع فعال‌ساز (Activation Functions) Activation Functions

  • دموی توابع فعال‌ساز Activation Functions - Demo

تکنیک‌های پیشرفته یادگیری عمیق Advanced Deep Learning Techniques

  • طبقه‌بندی چندکلاسه با مجموعه داده MNIST در یادگیری عمیق Multi Class Classification with MNIST Dataset - Deep Learning

  • آموزش طبقه‌بندی‌کننده چندکلاسه - برازش و ارزیابی Training Multiclass Classifier - Fit and Evaluate

  • درک شبکه‌های عصبی پیچشی (CNN) Understanding the Convolutional Neural Networks

  • تکنیک‌های یادگیری انتقالی (Transfer Learning) Transfer Learning Techniques

  • دموی پیاده‌سازی یادگیری انتقالی روی مجموعه داده‌های تصویری Implementing the Transfer learning on an Image Dataset - Demo

نمایش نظرات

آموزش انویدیا: مبانی یادگیری عمیق (Fundamentals of Deep Learning)
جزییات دوره
3h 54m
14
(آخرین آپدیت)
2,551
- 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