لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش عمیق PyTorch در 7 روز [ویدئو]
PyTorch Deep Learning in 7 Days [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
PyTorch آخرین چارچوب فیسبوک مبتنی بر پایتون برای یادگیری عمیق است. این توانایی ایجاد شبکههای عصبی پویا روی CPU و GPU را دارد که هر دو با کد بسیار کمتری در مقایسه با سایر چارچوبهای رقیب هستند. PyTorch دارای یک رابط منحصر به فرد است که یادگیری آن را مانند NumPy آسان می کند.
این دوره 7 روزه برای کسانی است که برای شروع با PyTorch عجله دارند. شما با متداول ترین مدل ها، تکنیک ها و الگوریتم های یادگیری عمیق از طریق کد PyTorch آشنا خواهید شد. این دوره تلاشی برای شکستن این افسانه است که یادگیری عمیق پیچیده است و به شما نشان می دهد که با انتخاب صحیح ابزارها همراه با توضیح ساده و شهودی مفاهیم اصلی، یادگیری عمیق به اندازه سایر فناوری های توسعه برنامه کاربردی موجود است. این سفری است از غواصی عمیق در اصول تا آشنایی با مفاهیم پیشرفته مانند آموزش انتقال، پردازش زبان طبیعی و اجرای شبکههای متخاصم مولد.
در پایان دوره، شما قادر خواهید بود برنامه های Deep Learning را با PyTorch بسازید.
تمامی کدها و فایل های پشتیبانی این دوره در GitHub در آدرس زیر موجود است: https://github.com/PacktPublishing/PyTorch-Deep-Learning-in-7-Days
این دوره از Python 3.7 و PyTorch 1.1 استفاده می کند در حالی که آخرین نسخه موجود نیست، اما محتوای مرتبط و آموزنده را برای کاربران قدیمی PyTorch ارائه می دهد. با متداول ترین مفاهیم PyTorch، ماژول ها و API از جمله عملیات Tensor، نمایش داده ها و دستکاری راحت باشید.
کار با مدلها و معماریهای Deep Learning شامل لایهها، فعالسازیها، توابع از دست دادن، گرادیانها، قانون زنجیره، پاسهای رو به جلو و عقب و بهینهسازها
استفاده از معماری های یادگیری عمیق برای حل مشکلات یادگیری ماشین برای مجموعه داده های ساختاریافته، بینایی کامپیوتر و پردازش زبان طبیعی
از مفهوم آموزش انتقالی با استفاده از مدل های آموزش عمیق از پیش آموزش دیده برای مشکلات خود استفاده کنید
برای حل مشکلات دنیای واقعی مانند تجزیه و تحلیل احساسات، آخرین هنر را در پردازش زبان طبیعی پیاده کنید
پیاده سازی یک شبکه ساده Generative Adversarial برای تولید تصاویر فانتزی پس از آموزش بر روی مجموعه داده های تصویری بزرگ این دوره برای متخصصان توسعه نرم افزار و علاقه مندان به یادگیری ماشینی است، که هیاهوی یادگیری عمیق را شنیده اند و می خواهند آن را یاد بگیرند تا در حوزه کاری خود مرتبط بمانند. دانش اولیه مفاهیم یادگیری ماشین و برنامه نویسی پایتون مورد نیاز است. راهنمای سیستماتیک در یادگیری عمیق برای کمک به شما در ساخت برنامه های هوشمند
پوشش مفاهیم اصلی و معماری سیستم های یادگیری عمیق بدون گرفتار شدن در نمادهای ریاضی
حل مشکلات یادگیری ماشین با استفاده از معماری های یادگیری عمیق
سرفصل ها و درس ها
شروع کار با PyTorch
Getting started with PyTorch
نمای کلی دوره
The Course overview
معرفی سریع PyTorch
Quick Intro to PyTorch
نصب و راه اندازی نوت بوک Jupyter
Installation and Jupyter Notebook Setup
تانسورها و عملیات پایه تانسور
Tensors and Basic Tensor Operations
عملیات تانسور پیشرفته
Advanced Tensor Operations
بارگیری و ذخیره داده ها
Loading and Saving Data
وظیفه
Assignment
ساخت شبکه عصبی
Building a Neural Network
مقدمه ای بر شبکه های عصبی
Introduction to Neural Networks
ایجاد یک شبکه عصبی با PyTorch Sequential
Creating a Neural Network with PyTorch Sequential
فعالسازیها، توابع از دست دادن، و گرادیانها
Activations, Loss Functions, and Gradients
پاس های جلو و عقب
Forward and Backward Passes
ساخت شبکه با nn.Module
Building a Network with nn.Module
وظیفه
Assignment
رگرسیون و طبقه بندی
Regression and Classification
بارگذاری داده های ساخت یافته برای طبقه بندی
Loading Structured Data for Classification
پیش پردازش داده ها
Preprocessing Data
طبقه بندی، دقت و ماتریس سردرگمی
Classification, Accuracy, and the Confusion Matrix
بارگذاری داده های ساختاریافته برای رگرسیون
Loading Structured Data for Regression
شبکه های عصبی برای رگرسیون
Neural Networks for Regression
وظیفه
Assignment
پیاده سازی شبکه های عصبی کانولوشنال
Implementing Convolutional Neural Networks
شبکه های کانولوشن برای تجزیه و تحلیل تصویر
Convolutional Networks for Image Analysis
مفاهیم کانولوشن: فیلترها، گامها، بالشتکها و ترکیب
Convolutional Concepts: Filters, Strides, Padding, and Pooling
پیاده سازی شبکه کانولوشن
Implementing a Convolutional Network
تجسم لایه های شبکه کانولوشن
Visualizing Convolutional Network Layers
پیاده سازی یک شبکه کانولوشن عمیق End-to-End
Implementing an End-To-End Deep Convolutional Network
وظیفه
Assignment
پیاده سازی آموزش انتقال
Implementing Transfer Learning
انتقال یادگیری و مدل های از پیش ساخته شده
Transfer Learning and Prebuilt Models
یادگیری عمیق با VGG
Deep Learning with VGG
انتقال یادگیری با VGG
Transfer Learning with VGG
انتقال یادگیری با ResNet
Transfer Learning with ResNet
وظیفه
Assignment
LSTM و جاسازی برای مدل های زبان طبیعی
LSTM and Embedding for Natural Language Models
شبکه های تکراری، RNN، و LSTM، GRU
Recurrent Networks, RNN, and LSTM, GRU
مدلسازی متن با کیسه کلمات
Text Modeling with Bag-of-Words
تجزیه و تحلیل احساسات با کیسه کلمات
Sentiment Analysis with Bag-of-Words
تجزیه و تحلیل احساسات با جاسازی کلمه
Sentiment Analysis with Word Embeddings
وظیفه
Assignment
شبکه های متخاصم مولد عمیق
Deep Convolutional Generative Adversarial Networks
مقدمه ای بر GAN و DCGAN
Introduction to GANs and DCGANs
پیاده سازی مدل DCGAN با PyTorch
Implementing DCGAN Model with PyTorch
آموزش و ارزیابی DCGAN در مجموعه داده تصویر
Training and Evaluating DCGAN on an Image Dataset
بهبود عملکرد
Improving Performance
وظیفه
Assignment
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
ویل بالارد، مدیر ارشد فناوری GLG، مسئول مهندسی و فناوری اطلاعات است. او همچنین مسئول طراحی و بهره برداری از مراکز داده بزرگ بود که به اجرای خدمات سایت برای مشتریان از جمله Gannett، Hearst Magazines، NFL، NPR، The Washington Post و Whole Foods کمک می کرد. او همچنین نقش های رهبری در توسعه نرم افزار در NetSolve (در حال حاضر Cisco)، NetSpend، و Works (در حال حاضر Bank of America) داشته است. https://www.linkedin.com/in/will-ballard-b09115/
نمایش نظرات