آموزش انتقال: طراحی شبکه های عصبی برای داده های شما

Transfer Learning: Tailoring Neural Networks for Your Data

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری انتقالی اساس معماری ترانسفورماتور است و همچنین یکی از مفاهیمی است که مدل‌های زبان بزرگ هوش مصنوعی مبتنی بر آن است. این تکنیکی است برای استفاده از مدل های پایه بر روی برنامه های کاربردی دامنه خاص برای پیش بینی و نتایج. در این دوره آموزشی Transfer Learning: Tailoring Neural Networks for Your Data، شما توانایی پیاده سازی آموزش انتقال را بر روی مجموعه داده های سفارشی خود به دست خواهید آورد. ابتدا، برخی از اصول و مزایای یادگیری انتقالی را بررسی خواهید کرد. در مرحله بعد، انواع مختلف استراتژی های یادگیری انتقال مانند تنظیم دقیق و استخراج ویژگی را خواهید فهمید. در نهایت، در مورد برخی از چالش‌ها در یادگیری انتقالی مانند عدم تطابق داده‌ها، سوگیری در مدل‌ها و ملاحظات اخلاقی خواهید آموخت. وقتی این دوره را به پایان رساندید، مهارت ها و دانش انتقال یادگیری مورد نیاز برای تنظیم شبکه های عصبی برای داده های خود را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

درک یادگیری انتقال Understanding Transfer Learning

  • درک یادگیری انتقال Understanding Transfer Learning

  • انواع استراتژی های یادگیری انتقالی Types of Transfer Learning Strategies

  • تنظیم دقیق مدل های از پیش آموزش دیده برای اهداف خاص Fine-tuning Pre-trained Models for Task-specific Objectives

  • مورد ویژه: استخراج ویژگی به عنوان یک استراتژی جایگزین Special Case: Feature Extraction as an Alternative Strategy

  • مزایا و محدودیت های تنظیم دقیق و استخراج ویژگی ها Advantages and Limitations of Fine-tuning and Feature Extraction

  • عوامل در انتخاب مدل پایه Factors in Choosing the Base Model

  • مطالعات موردی: یادگیری انتقالی Case Studies: Transfer Learning

  • مزایا و محدودیت های استراتژی های یادگیری انتقالی Benefits and Limitations of Transfer Learning Strategies

پیاده سازی و چالش های یادگیری انتقالی Implementation and Challenges of Transfer Learning

  • نسخه ی نمایشی: آموزش انتقال - هسته Demo: Transfer Learning - Core

  • نسخه ی نمایشی: آموزش انتقال - تنظیم دقیق Demo: Transfer Learning - Fine-tuning

  • نسخه ی نمایشی: آموزش انتقال - موارد خاص Demo: Transfer Learning - Special Cases

  • چالش های اصلی در یادگیری انتقالی Core Challenges in Transfer Learning

  • استراتژی های تطبیق دامنه Strategies of Domain Adaptation

نمایش نظرات

آموزش انتقال: طراحی شبکه های عصبی برای داده های شما
جزییات دوره
29m
14
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Ranjan Relan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ranjan Relan Ranjan Relan

Ranjan Relan یک مشاور استراتژی داده و فناوری با بیش از 11 سال تجربه در زمینه تجزیه و تحلیل است که شامل کار بر روی یادگیری ماشین ، پروژه های بزرگ داده و مسکن داده است. وی در توسعه استراتژی داده ، استراتژی پذیرش ابر ، استراتژی تجزیه و تحلیل ، معماری راه حل و غیره به مشتریان سراسر دامنه Hi Tech ، Telecom و Pharma کمک کرده است.