لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی یادگیری انتقالی (Transfer Learning) برای مدلهای هوش مصنوعی
- آخرین آپدیت
دانلود Transfer Learning Foundations for AI Models
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری انتقالی با فراهم کردن امکان ساخت راهکارهای قدرتمند هوش مصنوعی بدون نیاز به آموزش مدلها از نقطه صفر، تحولی در هوش مصنوعی مدرن ایجاد کرده است. این دوره یک مقدمه کاربردی بر یادگیری ماشین، شبکههای عصبی، یادگیری انتقالی و معماریهای ترنسفورمر ارائه میدهد و به شما کمک میکند تا مهارتهای عملی خود را با استفاده از پایتون و کتابخانههای پرکاربرد علم داده توسعه دهید.
شما ابتدا با NumPy، Pandas، Matplotlib و Seaborn برای آمادهسازی، تحلیل و بصریسازی دادههای یادگیری ماشین کار خواهید کرد. سپس اولین مدلهای یادگیری ماشین خود را ساخته و ارزیابی میکنید و در ادامه بررسی خواهید کرد که شبکههای عصبی چگونه یاد میگیرند، شبکههای عصبی پیچشی (CNN) چگونه ویژگیها را استخراج میکنند و مدلهای پیشآموزشدیده چگونه از طریق یادگیری انتقالی تطبیق مییابند.
این دوره با مبانی ترنسفورمرها، شامل خود-توجهی (Self-attention)، توجه چندسره (Multi-head attention)، معماریهای رمزگذار-رمزگشا (Encoder-Decoder) و تکامل خانوادههای مدرن ترنسفورمر به پایان میرسد. همچنین خواهید آموخت که چگونه بین یادگیری انتقالی و آموزش از صفر تصمیمگیری کنید و مدل پیشآموزشدیده مناسب را برای کاربردهای مختلف هوش مصنوعی انتخاب نمایید.
در پایان این دوره، شما قادر خواهید بود:
- از پایتون و کتابخانههای علم داده برای آمادهسازی و تحلیل دادههای یادگیری ماشین استفاده کنید.
- مدلهای بنیادی یادگیری ماشین را ساخته، آموزش داده و ارزیابی کنید.
- نحوه یادگیری شبکههای عصبی و شبکههای عصبی پیچشی را توضیح دهید.
- تکنیکهای یادگیری انتقالی را برای تطبیق مدلهای پیشآموزشدیده به کار ببرید.
- مدلهای پیشآموزشدیده مناسب را برای موارد مختلف استفاده از هوش مصنوعی انتخاب کنید.
- مفاهیم خود-توجهی، توجه چندسره و معماریهای ترنسفورمر را شرح دهید.
این دوره برای مهندسان آینده هوش مصنوعی، متخصصان یادگیری ماشین، توسعهدهندگان نرمافزار، متخصصان داده، دانشجویان و علاقهمندان به فناوری طراحی شده و یک زیربنای عملی برای درک و بهکارگیری یادگیری انتقالی و مدلهای پیشآموزشدیده AI فراهم میکند.
سرفصل ها و درس ها
مبانی پایتون و یادگیری ماشین
Python and Machine Learning Fundamentals
مرور کلی تخصص
Specialization Overview
معرفی دوره
Course Introduction
پایتون: ستون فقرات یادگیری ماشین
Python: Backbone of Machine Learning
تمرین عملی: راهاندازی VS Code
Hands-On: Setting Up VS Code
تمرین عملی: مبانی پایتون برای یادگیری ماشین
Hands-On: Python Fundamentals for Machine Learning
آمادهسازی دادهها برای یادگیری ماشین
Preparing Data for Machine Learning
تمرین عملی: آرایههای NumPy و عملیات برداری
Hands On: NumPy Arrays and Vectorized Operations
تمرین عملی: Pandas برای مدیریت دادههای یادگیری ماشین
Hands-On: Pandas for ML Data Handling
تمرین عملی: بصریسازی دادهها با Matplotlib و Seaborn
Hands-On: Data Visualization with Matplotlib and Seaborn
رمزگشایی یادگیری ماشین: مفاهیم کلیدی و بینشها
Decoding Machine Learning: Core Concepts and Insights
تمرین عملی: ساخت اولین مدل یادگیری ماشین
Hands-On: Building Your First Machine Learning Model
نمایش نظرات