آموزش مقدمه ای بر شبکه های عصبی مبتنی بر توجه

Introduction to Attention-Based Neural Networks

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره:
مدل‌های مبتنی بر توجه به شبکه‌های عصبی اجازه می‌دهند تا بر مهم‌ترین ویژگی‌های ورودی تمرکز کنند و در نتیجه نتایج بهتری در خروجی ایجاد کنند. در این دوره، جنانی راوی نحوه عملکرد شبکه‌های عصبی تکراری را توضیح می‌دهد و دو مدل کپشن تصویر یکی بدون توجه و دیگری با استفاده از مدل‌های توجه ساخته و آموزش می‌دهد و نتایج آنها را با هم مقایسه می‌کند. اگر تجربه و درک درستی از نحوه عملکرد شبکه های عصبی دارید و می خواهید ببینید که مدل های مبتنی بر توجه چه کاری می توانند برای شما انجام دهند، این دوره را بررسی کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • پیش نیازها Prerequisites

  • مدل های مبتنی بر توجه چیست؟ What are attention-based models?

  • توجه در تولید زبان و مدل های ترجمه Attention in language generation and translation models

  • امتحان فصل Chapter Quiz

1. شبکه های عصبی مکرر برای یادگیری داده های متوالی 1. Recurrent Neural Networks to Learn Sequential Data

  • شبکه های فید فوروارد و محدودیت های آنها Feed forward networks and their limitations

  • شبکه های عصبی مکرر برای داده های متوالی Recurrent neural networks for sequential data

  • نیاز به سلول های حافظه بلند The need for long memory cells

  • سلول های LSTM و GRU LSTM and GRU cells

  • انواع RRNNS Types of RRNNS

  • امتحان فصل Chapter Quiz

2. شبکه های رمزگذار-رمزگشا برای مدل های زبان 2. Encoder-Decoder Networks for Language Models

  • مدل های تولید زبان Language generation models

  • مدل‌های ترتیب به ترتیب برای ترجمه زبان Sequence to sequence models for language translation

3. شبکه های عصبی مبتنی بر توجه 3. Attention-Based Neural Networks

  • نقش توجه در مدل های توالی به دنباله The role of attention in sequence to sequence models

  • مکانیسم توجه در مدل‌های توالی به دنباله Attention mechanism in sequence to sequence models

  • تراز کردن وزن ها در مدل های توجه Alignment weights in attention models

  • توجه بهداناو Bahdanau attention

  • مدل های توجه برای شرح تصاویر Attention models for image captioning

  • ساختار رمزگشای رمزگذار برای نوشتن شرح تصاویر Encoder decoder structure for image captioning

  • امتحان فصل Chapter Quiz

4. مدل زیرنویس تصویر بدون توجه 4. Image Captioning Model without Attention

  • راه اندازی Colab و Google Drive Setting up Colab and Google Drive

  • در حال بارگیری در مجموعه داده Flickr8k Loading in the Flickr8k dataset

  • ساخت واژگان Constructing the vocabulary

  • راه اندازی کلاس داده Setting up the dataset class

  • پیاده سازی توابع ابزار برای داده های آموزشی Implementing utility functions for training data

  • ساخت رمزگذار CNN Building the encoder CNN

  • ساخت رمزگشا RNN Building the decoder RNN

  • تنظیم مدل دنباله به دنباله Setting up the sequence to sequence model

  • آموزش مدل زیرنویس تصویر Training the image captioning model

  • امتحان فصل Chapter Quiz

5. مدل شرح تصویر با استفاده از توجه 5. Image Captioning Model Using Attention

  • بارگیری مجموعه داده و تنظیم توابع ابزار Loading the dataset and setting up utility functions

  • رمزگذار CNN که نقشه‌های ویژگی بازشده را تولید می‌کند The encoder CNN generating unrolled feature maps

  • اجرای توجه بهداناو Implementing Bahdanau attention

  • رمزگشا RNN با استفاده از توجه The decoder RNN using attention

  • ایجاد زیرنویس با استفاده از توجه Generating captions using attention

  • آموزش مدل زیرنویس تصویر مبتنی بر توجه Training the attention-based image captioning model

  • تجسم توجه مدل Visualizing the model's attention

  • امتحان فصل Chapter Quiz

نتیجه Conclusion

  • خلاصه و مراحل بعدی Summary and next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش مقدمه ای بر شبکه های عصبی مبتنی بر توجه
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2h 11m
38
Linkedin (لینکدین) lynda-small
25 مهر 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
-
- از 5
دارد
دارد
دارد
Janani Ravi

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.