لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
کارگاه هوش مصنوعی: آموزش عملی GANها با استفاده از شبکههای کانولوشن عمیق
- آخرین آپدیت
دانلود AI Workshop: Hands-on with GANs using Deep Convolution Networks
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
اگر به دنبال تجربه عملی در زمینه هوش مصنوعی هستید، این دوره کدنویسی به سبک کارگاهی دقیقاً برای شما طراحی شده است. در این دوره با حضور مدرس، جانانی راوی، نحوه ساخت و آموزش شبکههای مولد رقابتی عمیق (DCGANs) را بیاموزید. در این مسیر، اجزای اصلی لایههای کانولوشن و پولینگ، از جمله راهاندازی نوتبوکهای ابری گوگل کولب (Google Colab)، تبدیل تصاویر چندکاناله به تنسور، اعمال لایهها و مشاهده اثرات فیلترها را بررسی خواهید کرد. همچنین مبانی آموزش یک مدل تشخیصدهنده (Discriminator) به عنوان مدل طبقهبندی و آموزش حرفهای یک GAN کانولوشن عمیق را فرا میگیرید؛ از آمادهسازی دادهها و تنظیمات ژنراتور و دیسکریمیناتور گرفته تا تحلیل خروجیهای مدلهای آموزشندیده، ایجاد حلقه آموزش (Training Loop)، مشاهده و ارزیابی نتایج و موارد دیگر.
سرفصل ها و درس ها
مقدمه
Introduction
مروری بر شبکههای مولد رقابتی (GANs)
Overview of generative adversarial networks (GANs)
1. درک لایههای کانولوشن و پولینگ
1. Understanding Convolutional and Pooling Layers
اعمال لایههای کانولوشن و پولینگ
Applying convolutional and pooling layers
تبدیل تصویر چندکاناله به تنسور
Transforming multichannel image to tensor
سرفصلهای دوره و پیشنیازها
Course outline and prerequisites
راهاندازی نوتبوکهای ابری گوگل کولب
Setting up Google Colab cloud-hosted notebooks
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.
نمایش نظرات