لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Computer Vision Essential Training: Deep Learning for Image Classification
Computer Vision Essential Training: Deep Learning for Image Classification
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
بینایی کامپیوتری از آغاز فروتنانه خود تا کنون راه درازی را پیموده است. و امروزه، یکی از زمینههای مورد بحث در فناوری است. به مربی Harpreet Sahota در این مرور جامع از تاریخچه و تکامل این صنعت به طور فزاینده مهم بپیوندید، درک خود را از شبکههای عصبی کانولوشنال، آموزش شبکه، مدلهای یادگیری عمیق برای وظایف طبقهبندی تصویر، انتقال یادگیری با مدلهای از پیش آموزشدیده، و موارد دیگر توسعه دهید. طیف گسترده ای از عملکردهای ارائه شده توسط کتابخانه آموزشی انعطاف پذیر SuperGradients را کاوش کنید، که به شما قدرت می دهد تا چرخه عمر توسعه مدل را کوتاه و ساده کنید. در طول مسیر، هارپریت بینشهای عملی در مورد نحوه آموزش مؤثرتر مدلها و شبکهها با استفاده از تکنیکهای پیشرفتهتر مانند میانگین متحرک نمایی، میانگین وزنی، انباشت دستهای و BatchNorm به اشتراک میگذارد.
توجه: این دوره به دانش اولیه کار در مورد یادگیری ماشین و همچنین تجربه با Python و PyTorch نیاز دارد.
تاریخچه بینایی کامپیوتر
A history of computer vision
محدودیتهای تکنیکهای سنتی CV
Limitations of traditional CV techniques
ImageNet
ImageNet
انقلاب یادگیری عمیق
The deep learning revolution
2. آشنایی با شبکه های عصبی حلقوی
2. Introduction to Convolutional Neural Networks
مروری بر CNN ها
Overview of CNNs
چرا CNN ها؟
Why CNNs?
لایه های کانولوشن
Convolutional layers
انواع کانولوشن
Types of convolutions
لایه های ادغام
Pooling layers
توابع فعال سازی
Activation functions
لایه های کاملا متصل
Fully connected layers
3. نحوه آموزش شبکه ها
3. How Networks Are Trained
نظارت بر عملکردهای یادگیری و از دست دادن
Supervised learning and loss functions
پس انتشار در CNN ها
Backpropagation in CNNs
تکنیک های بهینه سازی
Optimization techniques
منظم سازی و افزایش داده ها
Regularization and data augmentation
4. تکامل معماری CNN
4. The Evolution of CNN Architectures
LeNet
LeNet
الکس نت
AlexNet
VGG
VGG
ResNet
ResNet
MobileNetV1
MobileNetV1
MobileNetV2
MobileNetV2
MobileNetV3
MobileNetV3
EfficientNet
EfficientNet
5. یادگیری انتقال
5. Transfer Learning
مقدمه ای بر یادگیری انتقالی
Introduction to transfer learning
انواع یادگیری انتقالی
Types of transfer learning
مراحل استخراج ویژگی و تنظیم دقیق
Steps in feature extracting and fine-tuning
بهترین شیوه ها برای انتقال یادگیری
Best practices for transfer learning
6. PyTorch Crash Course
6. PyTorch Crash Course
راه اندازی محیط
Setting up the environment
Dataset و DataLoader
Dataset and DataLoader
راه اندازی آموزش
Training setup
حلقه آموزش
The training loop
تست و ارزیابی
Testing and evaluation
استنتاج
Inference
7. آموزش انتقال عملی با SuperGradients
7. Hands-on Transfer Learning with SuperGradients
مقدمه ای بر SuperGradients
Introduction to SuperGradients
مربی
The trainer
پارامترهای آموزشی مورد نیاز
Required training params
پارامترهای آموزشی اختیاری
Optional training params
آموزش مدل
Training the model
پیش بینی با مدل
Predicting with the model
چگونه تقریباً هر مشکل طبقه بندی تصویر را با SG حل کنیم
How to solve almost any image classification problem with SG
8. ترفندهای آموزشی
8. Training Tricks
میانگین متحرک نمایی
Exponential moving average
میانگین وزن
Weight averaging
انباشت دسته ای
Batch accumulation
BatchNorm دقیق
Precise BatchNorm
کاهش وزن صفر در BatchNorm و سوگیری
Zero weight decay on BatchNorm and bias
ترفندهای آموزشی در SuperGradients
Training tricks in SuperGradients
نتیجه
Conclusion
مراحل بعدی
Next steps
نمایش نظرات
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.
کارشناس یادگیری عمیق، دانشمند داده، مدیر روابط با برنامه نویس
Harpreet Sahota یک متخصص یادگیری عمیق، دانشمند داده، و مدیر روابط با توسعه دهنده است.
Harpreet در حال حاضر به عنوان یک مدیر روابط با توسعه دهنده کار می کند. مدیر روابط با توسعه دهندگان یادگیری عمیق در Deci AI، به جامعه توسعه دهندگان قدرت می دهد تا با استفاده از پلت فرم یادگیری عمیق Deci، یادگیری عمیق را بر روی هر نوع سخت افزاری ایجاد و استقرار دهند. او میزبان پادکست هنرمندان علم داده است، جایی که او به مخاطبان هزاران دانشمند داده که در مراحل اولیه شغلی هستند راهنمایی می کند و راهنمایی های فنی و حرفه ای در مورد مشاغل در این زمینه ارائه می دهد. در طول سالها، هارپریت در نقشهای رهبری ارشد مختلفی از جمله مدافع توسعهدهنده، مربی اصلی علم داده و دانشمند ارشد داده خدمت کرده است. او دارای مدرک کارشناسی ارشد علوم ریاضی و آمار از دانشگاه ایالتی ایلینوی است.
نمایش نظرات