آموزش یادگیری عمیق احتمالی با TensorFlow 2 - آخرین آپدیت

دانلود Probabilistic Deep Learning with TensorFlow 2

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به دوره جامع یادگیری عمیق احتمالی (Probabilistic Deep Learning) با TensorFlow خوش آمدید! این دوره بر پایه مفاهیم و مهارت‌های بنیادین TensorFlow که در دو دوره ابتدایی این تخصص آموزش داده شده است، بنا شده و تمرکز اصلی آن بر رویکرد احتمالی در یادگیری عمیق است. این حوزه که اهمیت روزافزونی یافته، هدف آن کمی‌سازی نویز و عدم قطعیت است که معمولاً در مجموعه‌داده‌های دنیای واقعی وجود دارد. این موضوع در کاربردهای حساس مانند خودروهای خودران یا تشخیص‌های پزشکی حیاتی است؛ چرا که مدل باید بداند چه زمانی با عدم قطعیت روبروست و چه چیزی را نمی‌داند. شما خواهید آموخت که چگونه مدل‌های احتمالی را با TensorFlow توسعه دهید و به‌طور ویژه از کتابخانه TensorFlow Probability استفاده کنید که برای ترکیب آسان مدل‌های احتمالی با یادگیری عمیق طراحی شده است. به همین دلیل، این دوره را می‌توان به عنوان مقدمه‌ای جامع بر کتابخانه TensorFlow Probability نیز در نظر گرفت. در این مسیر، یاد می‌گیرید که توزیع‌های احتمالی چگونه می‌توانند نمایش داده شوند و در مدل‌های یادگیری عمیق TensorFlow ادغام گردند؛ مواردی از جمله شبکه‌های عصبی بیزی (Bayesian neural networks)، جریان‌های نرمال‌ساز (Normalising flows) و اتوانکودرهای متغیر (Variational Autoencoders). همچنین نحوه توسعه مدل‌هایی برای کمی‌سازی عدم قطعیت و مدل‌های مولد (Generative Models) برای خلق نمونه‌های جدید مشابه داده‌های آموزشی (مانند تصاویر چهره‌ها) را فرا خواهید گرفت. مفاهیم آموخته شده را بلافاصله در آموزش‌های عملی کدنویسی که توسط دستیار آموزشی ارشد هدایت می‌شوند، پیاده‌سازی خواهید کرد. علاوه بر این، مجموعه‌ای از تکالیف برنامه‌نویسی با تصحیح خودکار برای تثبیت مهارت‌های شما در نظر گرفته شده است. در پایان دوره، تمامی مفاهیم را در یک پروژه نهایی (Capstone Project) به کار خواهید بست و یک الگوریتم اتوانکودر متغیر برای تولید مدل مولد از یک مجموعه‌داده تصاویر مصنوعی که خودتان ایجاد کرده‌اید، توسعه خواهید داد. این دوره در ادامه دو دوره قبلی یعنی «شروع کار با TensorFlow 2» و «سفارشی‌سازی مدل‌ها با TensorFlow 2» قرار دارد. پیش‌نیاز ضروری برای موفقیت در این دوره، داشتن پایه قوی در احتمال و آمار است؛ به‌ویژه آشنایی با توزیع‌های احتمالی استاندارد، توابع چگالی احتمال و مفاهیمی چون تخمین بیشینه احتمال (MLE)، فرمول تغییر متغیر برای متغیرهای تصادفی و کران پایین شواهد (ELBO) در استنتاج متغیر.

سرفصل ها و درس ها

توزیع‌های تنسورفلو TensorFlow Distributions

  • خوش‌آمدگویی به یادگیری عمیق احتمالی با TensorFlow 2 Welcome to Probabilistic Deep Learning with TensorFlow 2

  • مصاحبه با پیج بیلی Interview with Paige Bailey

  • کتابخانه TensorFlow Probability The TensorFlow Probability library

  • توزیع‌های تک‌متغیره Univariate distributions

  • [آموزش کدنویسی] توزیع‌های تک‌متغیره [Coding tutorial] Univariate distributions

  • توزیع‌های چندمتغیره Multivariate distributions

  • [آموزش کدنویسی] توزیع‌های چندمتغیره [Coding tutorial] Multivariate distributions

  • توزیع Independent The Independent distribution

  • [آموزش کدنویسی] توزیع Independent [Coding tutorial] The Independent distribution

  • نمونه‌برداری و احتمالات لگاریتمی Sampling and log probs

  • [آموزش کدنویسی] نمونه‌برداری و احتمالات لگاریتمی [Coding tutorial] Sampling and log probs

  • توزیع‌های قابل آموزش Trainable distributions

  • [آموزش کدنویسی] توزیع‌های قابل آموزش [Coding tutorial] Trainable distributions

  • جمع‌بندی و معرفی تکالیف برنامه‌نویسی Wrap up and introduction to the programming assignment

لایه‌های احتمالی و شبکه‌های عصبی بیزی Probabilistic layers and Bayesian neural networks

  • خوش‌آمدگویی به هفته دوم: لایه‌های احتمالی و شبکه‌های عصبی بیزی Welcome to week 2 - Probabilistic layers and Bayesian neural networks

  • نیاز به عدم قطعیت در مدل‌های یادگیری عمیق The need for uncertainty in deep learning models

  • لایه DistributionLambda The DistributionLambda layer

  • [آموزش کدنویسی] لایه DistributionLambda [Coding tutorial] The DistributionLambda layer

  • لایه‌های احتمالی Probabilistic layers

  • [آموزش کدنویسی] لایه‌های احتمالی [Coding tutorial] Probabilistic layers

  • لایه DenseVariational The DenseVariational layer

  • [آموزش کدنویسی] لایه DenseVariational [Coding tutorial] The DenseVariational layer

  • لایه‌های بازparametrization Reparameterization layers

  • [آموزش کدنویسی] لایه‌های بازparametrization [Coding tutorial] Reparameterization layers

  • جمع‌بندی و معرفی تکالیف برنامه‌نویسی Wrap up and introduction to the programming assignment

بایجکتورها و جریان‌های نرمال‌ساز Bijectors and normalising flows

  • خوش‌آمدگویی به هفته سوم: بایجکتورها و جریان‌های نرمال‌ساز Welcome to week 3 - Bijectors and normalising flows

  • مصاحبه با داگ کلی Interview with Doug Kelly

  • بایجکتورها (Bijectors) Bijectors

  • [آموزش کدنویسی] بایجکتورها [Coding tutorial] Bijectors

  • کلاس TransformedDistribution The TransformedDistribution class

  • [آموزش کدنویسی] کلاس TransformedDistribution [Coding tutorial] The Transformed Distribution class

  • زیرکلاسی کردن بایجکتورها Subclassing bijectors

  • [آموزش کدنویسی] زیرکلاسی کردن بایجکتورها [Coding tutorial] Subclassing bijectors

  • جریان‌های خودبازگشتی (Autoregressive flows) Autoregressive flows

  • مدل RealNVP RealNVP

  • [آموزش کدنویسی] جریان‌های نرمال‌ساز [Coding tutorial] Normalising flows

  • جمع‌بندی و معرفی تکالیف برنامه‌نویسی Wrap up and introduction to the programming assignment

اتوانکودرهای متغیر (VAE) Variational autoencoders

  • خوش‌آمدگویی به هفته چهارم: اتوانکودرهای متغیر Welcome to week 4 - Variational autoencoders

  • انکودرها و دیکودرها Encoders and decoders

  • [آموزش کدنویسی] انکودرها و دیکودرها [Coding tutorial] Encoders and decoders

  • کمینه‌سازی واگرایی KL Minimising KL divergence

  • [آموزش کدنویسی] کمینه‌سازی واگرایی KL [Coding tutorial] Minimising KL divergence

  • بیشینه‌سازی ELBO Maximising the ELBO

  • [آموزش کدنویسی] بیشینه‌سازی ELBO [Coding tutorial] Maximising the ELBO

  • لایه‌های واگرایی KL KL divergence layers

  • [آموزش کدنویسی] لایه‌های واگرایی KL [Coding tutorial] KL divergence layers

  • جمع‌بندی و معرفی تکالیف برنامه‌نویسی Wrap up and introduction to the programming assignment

پروژه نهایی Capstone Project

  • خوش‌آمدگویی به پروژه نهایی Welcome to the Capstone Project

  • ویدیو خداحافظی Goodbye video

نمایش نظرات

آموزش یادگیری عمیق احتمالی با TensorFlow 2
جزییات دوره
52h 34m
49
(آخرین آپدیت)
14,595
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar