آموزش یادگیری خود نظارتی A-Z: تئوری و پایتون
Self-Supervised Learning A-Z: Theory & Hands-On Python
«اگر هوش یک کیک است، بخش عمده آن یادگیری با نظارت شخصی است، نکته روی کیک یادگیری نظارت شده است، و گیلاس روی کیک یادگیری تقویتی است. ”
یان آندره لکون
دانشمند ارشد هوش مصنوعی در Meta
برخی از "باید" ها قبل از شروع
شما باید با معماری‌های یادگیری عمیق، از جمله پشته‌های لایه‌های کانولوشن، تکرارشونده، متراکم، ادغام، میانگین، و عادی‌سازی با استفاده از کتابخانه TensorFlow در Python 3+ آشنا باشید.
شما باید بدانید که چگونه با استفاده از کتابخانه TensorFlow در Python 3+، مدل‌های یادگیری عمیق چند لایه را توسعه دهید، آموزش دهید، و آزمایش کنید.
باید بدانید که این یک دوره "ضمانت بازگشت پول 100٪" تحت قوانین Udemy است.
مدرس دوره
اسم من محمد ح. رفیعی، دکتری است. من مفتخرم که به عنوان مربی شما خدمت کنم.
من یک مهندس، محقق، و مدرس یادگیری ماشین در دانشگاه جان هاپکینز، کالج مهندسی، و دانشگاه ایالتی جورجیا، گروه علوم کامپیوتر هستم. من همچنین بنیانگذار MHR Group LLC در گرجستان هستم.
مواد موضوعی
این دوره به شما «یادگیری با نظارت خود» (SSL)، که به عنوان «یادگیری بازنمایی» نیز شناخته می‌شود، می‌آموزد.
SSL یک موضوع نسبتاً جدید و داغ در یادگیری ماشینی برای مقابله با مخازن با داده‌های دارای برچسب محدود است.
دو تکنیک کلی SSL وجود دارد، کنتراستیو و مولد. تمرکز این دوره فقط بر روی مدل‌های متضاد نظارت شده و بدون نظارت است.
مثال‌ها و آزمایش‌های متعددی در سراسر این دوره برای درک کامل ایده SSL وجود دارد.
حوزه تمرکز ما دامنه تصویر است، اما می‌توانید آنچه را که یاد می‌گیرید در حوزه‌های دیگر، از جمله رکوردهای زمانی و پردازش زبان طبیعی (NLP) اعمال کنید.
در هر سخنرانی، می توانید به نوت بوک های Python .ipynb مربوطه دسترسی داشته باشید. نوت بوک ها بهتر است با شتاب دهنده GPU اجرا شوند. برای جزئیات بیشتر، سخنرانی زیر را تماشا کنید.
اگر ویدیوها خیلی سریع یا خیلی کند هستند، همیشه می‌توانید سرعت آنها را تغییر دهید. همچنین می‌توانید شرح ویدیو را روشن کنید.
بهتر است ویدیوهای این دوره را با کیفیت 1080p با عنوان روشن تماشا کنید.
سخنرانی‌ها برای بهترین عملکرد در Google Colab با شتاب‌دهنده‌های GPU ایجاد شده‌اند.
نسخه TensorFlow مورد استفاده در این سخنرانی‌ها «2.8.2» است. می‌توانید از %tensorflow_version 2.x در اولین سلول نوت‌بوک پایتون خود استفاده کنید.
کتابخانه های یادگیری ماشین در پایتون، از جمله TensorFlow، در حال تکامل هستند. به این ترتیب، باید خود را با تغییرات به روز نگه دارید و کدهای خود را اصلاح کنید.
نمای کلی دوره
چهار بخش و ده سخنرانی:
بخش 01: مقدمه.
سخنرانی 01: مقدمه ای بر دوره.
سخنرانی 02: نوت بوک های پایتون.
بخش 02: مدل‌های نظارت شده.
سخنرانی 03: یادگیری تحت نظارت.
سخنرانی 04: تنظیم دقیق یادگیری انتقال.
بخش 03: وظیفه برچسب‌گذاری.
سخنرانی 05: چالش های برچسب گذاری.
بخش 04: یادگیری خود نظارتی.
سخنرانی 06: یادگیری خود نظارتی.
سخنرانی 07: بهانه متناقض نظارت شده، آزمایش 1.
سخنرانی 08: بهانه متناقض نظارت شده، آزمایش 2.
سخنرانی 09: SimCLR، یک مدل بهانه متناقض بدون نظارت.
سخنرانی 10: آزمایش SimCLR.
معرفی Introduction
-
مقدمه ای بر دوره An Introduction to the Course
-
آزمون سخنرانی 01 Lecture 01 Quiz
-
نوت بوک پایتون Python Notebooks
-
آزمون سخنرانی 02 Lecture 02 Quiz
مدل های نظارت شده Supervised Models
-
یادگیری تحت نظارت Supervised Learning
-
آزمون سخنرانی 03 Lecture 03 Quiz
-
آموزش انتقال و تنظیم دقیق Transfer Learning & Fine-Tuning
-
آزمون سخنرانی 04 Lecture 04 Quiz
وظیفه برچسب زدن Labeling Task
-
چالش های برچسب زدن Labeling Challenges
-
آزمون سخنرانی 05 Lecture 05 Quiz
یادگیری خود نظارتی Self-Supervised Learning
-
یادگیری خود نظارتی Self-Supervised Learning
-
آزمون سخنرانی 06 Lecture 06 Quiz
-
بهانه متناقض نظارت شده، آزمایش 1 Supervised Contrastive Pretext, Experiment 1
-
آزمون سخنرانی 07 Lecture 07 Quiz
-
بهانه متناقض نظارت شده، آزمایش 2 Supervised Contrastive Pretext, Experiment 2
-
آزمون سخنرانی 08 Lecture 08 Quiz
-
SimCLR، یک مدل بهانه متناقض بدون نظارت SimCLR, An UnSupervised Contrastive Pretext Model
-
آزمایش SimCLR SimCLR Experiment
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/ff6480
آموزش 4 آخرین تست تمرین برای هر گواهینامه C++
4 Latest Practice Tests for any C++ Certification
4 آخرین آزمون تمرینی جامع برای هر گواهینامه C++ با توضیحات مفصل
آموزش Masterclass کامل Python: Python را از ابتدا یاد بگیرید
The Complete Python Masterclass: Learn Python From Scratch
دوره پایتون برای مبتدیان، یادگیری برنامه نویسی پایتون، Python Web Framework Django، Flask، Web scraping و بسیاری موارد دیگر.
آموزش پایتون برای غیر برنامه نویسان
Python for Non-Programmers
اصول اولیه پایتون را در دوره ای که به طور خاص برای مبتدیان و غیر برنامه نویسان طراحی شده است، کاوش کنید.
آموزش تست های تمرینی برای گواهینامه C++ 2024 | 4 تست
Practice Tests for C++ Certification 2024 | 4 Tests
4 آخرین آزمون تمرینی جامع برای هر گواهینامه C++
Mohammad H Rafiei
معاون پژوهشی
Udemy (یودمی)
یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.