لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
PyTorch برای Bootcamp یادگیری عمیق: صفر تا تسلط
PyTorch for Deep Learning Bootcamp: Zero to Mastery
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش نحوه استفاده از PyTorch (کتابخانه فیس بوک) برای یادگیری عمیق با مثال های کاربردی درک مفاهیم اولیه در مورد شبکه عصبی و نحوه عملکرد آن استفاده از PyTorch برای رگرسیون خطی با استفاده از پرسپترون چندلایه (MLP) استفاده از PyTorch برای طبقه بندی تصاویر با استفاده از شبکه عصبی مصنوعی عمیق (ANN) آموزش کار با انواع داده های مختلف مانند تانسورها و آرایه ها استفاده از PyTorch برای طبقه بندی تصاویر با استفاده از شبکه عصبی کانولوشن (CNN) استفاده از PyTorch برای پیش بینی سری های زمانی با استفاده از شبکه عصبی تکراری (RNN) و غیره) دانستن اصول اولیه OOP توصیه می شود
یادگیری عمیق در سالهای اخیر به یکی از محبوبترین تکنیکهای یادگیری ماشین تبدیل شده است و PyTorch به عنوان ابزاری قدرتمند و انعطافپذیر برای ساخت مدلهای یادگیری عمیق ظاهر شده است. در این دوره آموزشی، اصول یادگیری عمیق و نحوه پیاده سازی شبکه های عصبی با استفاده از PyTorch را خواهید آموخت.
از طریق ترکیبی از سخنرانیها، جلسات برنامهنویسی عملی، و پروژهها، به درک عمیقی از نظریه پشت تکنیکهای یادگیری عمیق مانند شبکههای عصبی مصنوعی عمیق (ANN)، شبکههای عصبی کانولوشنال (CNN)، عصبی مکرر دست خواهید یافت. شبکه ها (RNN). شما همچنین یاد خواهید گرفت که چگونه این مدل ها را با استفاده از PyTorch آموزش داده و ارزیابی کنید، و چگونه آنها را با استفاده از تکنیک هایی مانند نزول گرادیان تصادفی و پس انتشار بهینه کنید. در طول دوره، من همچنین به شما نشان خواهم داد که چگونه می توانید از GPU به جای CPU استفاده کنید و عملکرد محاسبه یادگیری عمیق را افزایش دهید.
در این دوره، هر آنچه برای شروع یادگیری عمیق با PyTorch نیاز دارید را به شما آموزش خواهم داد، مانند:
دوره Crash NumPy
دوره تصادف پانداها
نظریه و شهود شبکه عصبی
نحوه کار با مجموعه داده های Torchvision
شبکه عصبی کانولوشنال (CNN)
حافظه بلند مدت (LSTM)
و خیلی چیزهای دیگر
از آنجایی که این دوره برای همه سطوح (از مبتدی تا پیشرفته) طراحی شده است، ما با مفاهیم اولیه و شهود اولیه شروع می کنیم.
در پایان این دوره، شما یک پایه قوی در یادگیری عمیق با PyTorch خواهید داشت و می توانید این تکنیک ها را در مسائل مختلف دنیای واقعی، مانند طبقه بندی تصاویر، تجزیه و تحلیل سری های زمانی، و حتی ایجاد عمیق خود، به کار ببرید. برنامه های کاربردی یادگیری.
سرفصل ها و درس ها
معرفی و بررسی اجمالی دوره
Course Introduction & Overview
محتوای دوره
Course Content
چرا گوگل کولب؟
Why Google Colab?
مقدمه ای بر محیط کولب
Introduction to Colab Environment
بسته های مفید
Useful Packages
مبانی NumPy
NumPy Basics
اصول اولیه پانداها
Pandas Basics
مبانی تانسور PyTorch
PyTorch Tensor Basics
مقدمه ای بر تنسورها
Introduction to Tensors
کار با PyTorch Tensor
Working with PyTorch Tensors
مفاهیم اساسی شبکه عصبی
Neural Network Basic Concepts
شرایط اولیه درباره NN
Basic Terms About NN
تابع فعال سازی
Activation Function
چگونه شبکه عصبی یاد بگیریم؟
How Neural Network Learn?
بهینه سازی مناسب گرادیان
Gradient Decent Optimization
PyTorch برای پرسپترون چند لایه (MLP)
PyTorch for Multilayer Perceptron (MLP)
رگرسیون PyTorch با استفاده از MLP - قسمت 1
PyTorch Regression Using MLP – Part1
رگرسیون PyTorch با استفاده از MLP - قسمت 2
PyTorch Regression Using MLP – Part2
رگرسیون PyTorch با استفاده از MLP - قسمت 3
PyTorch Regression Using MLP – Part3
رگرسیون PyTorch با استفاده از MLP - قسمت 4
PyTorch Regression Using MLP – Part4
PyTorch برای شبکه عصبی مصنوعی عمیق (ANN)
PyTorch for Deep Artificial Neural Network (ANN)
معرفی شبکه عصبی مصنوعی عمیق
Deep Artificial Neural Network Introduction
طبقه بندی تصویر PyTorch با استفاده از ANN - قسمت 1
PyTorch Image Classification Using ANN – Part1
طبقه بندی تصویر PyTorch با استفاده از ANN - قسمت 2
PyTorch Image Classification Using ANN – Part2
طبقه بندی تصویر PyTorch با استفاده از ANN - قسمت 3
PyTorch Image Classification Using ANN – Part3
طبقه بندی تصویر PyTorch با استفاده از ANN - قسمت 4
PyTorch Image Classification Using ANN – Part4
PyTorch برای شبکه عصبی کانولوشن (CNN)
PyTorch for Convolutional Neural Network (CNN)
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.
Data Analyst - Optimization Expert نام من نوید شیرزید است و من بسیار خوشحالم که شما برای خواندن این بخش اینجا هستید! من یک محقق با بیش از 7 سال تجربه در زمینه کنترل سیستم های انرژی یکپارچه با مهارت گسترده در استفاده از استراتژی های بهینه سازی ریاضی هستم. من همچنین در برنامه نویسی با پایتون و توسعه مدل های یادگیری ماشین و یادگیری عمیق برای برنامه های مختلف مهارت دارم. من چندین نشریه در زمینه طراحی و کنترل استراتژی های سیستم های انرژی با استفاده از یادگیری ماشین ، یادگیری عمیق و هوش مصنوعی دارم. به عنوان نتیجه گیری ، من علاقه زیادی به علم داده و یادگیری ماشین و برنامه های بهینه سازی در مشکلات دنیای واقعی دارم و واقعاً دوست دارم تجربه خود را با شما در میان بگذارم!
نمایش نظرات