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

  • درک شبکه‌های عصبی کانولوشن Understanding convolutional neural networks

  • مشاهده اثر فیلترهای مختلف Viewing the effect of different filters

2. آموزش دیسکریمیناتور به عنوان مدل طبقه‌بندی 2. Training a Discriminator as a Classification Model

  • داده‌های آموزشی برای دیسکریمیناتور: تصاویر جعلی باکیفیت و واقعی Training data for discriminator good fakes and real images

  • انواع لایه‌های کانولوشن Types of convolutional layers

  • آموزش دیسکریمیناتور روی داده‌های جعلی باکیفیت Training a discriminator on good fakes

  • بارگذاری و تبدیل داده‌های تصویری آموزشی Loading and transforming training image data

  • داده‌های آموزشی برای دیسکریمیناتور: تصاویر جعلی بی‌کیفیت و واقعی Training data for discriminator bad fakes and real images

  • درک معماری دیسکریمیناتور Understanding the discriminator architecture

  • آموزش دیسکریمیناتور روی داده‌های جعلی بی‌کیفیت Training a discriminator on bad fakes

3. آموزش GAN کانولوشن عمیق 3. Training a Deep Convolutional GAN

  • شبکه‌های GAN کانولوشن عمیق (DCGANs) Deep convolutional GANs (DCGANs)

  • مشاهده نتایج آموزش GAN Viewing GAN training results

  • بررسی خروجی ژنراتور و دیسکریمیناتور آموزش‌ندیده Examining the ouput from an untrained generator and discriminator

  • راه‌اندازی حلقه آموزش GAN Setting up the GAN training loop

  • ژنراتور و دیسکریمیناتور Generator and discriminator

  • آماده‌سازی داده‌ها برای آموزش GAN Setting up data for GAN training

  • تنظیمات ژنراتور و دیسکریمیناتور Setting up the generator and discriminator

جمع‌بندی Conclusion

  • خلاصه و گام‌های بعدی Summary and next steps

نمایش نظرات

کارگاه هوش مصنوعی: آموزش عملی GANها با استفاده از شبکه‌های کانولوشن عمیق
جزییات دوره
1h 46m
22
(آخرین آپدیت)
526
- از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

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.