لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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.
نمایش نظرات