آموزش یادگیری عمیق - بینایی ماشین برای مبتدیان با استفاده از PyTorch - آخرین آپدیت

دانلود Deep Learning - Computer Vision for Beginners Using PyTorch

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره دارای قابلیت Coursera Coach است! روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک می‌کند دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و با پیشروی در دوره، درک خود را عمیق‌تر کنید. این دوره عملی شما را در دنیای یادگیری عمیق (Deep Learning) و بینایی ماشین (Computer Vision) با استفاده از PyTorch غوطه‌ور می‌کند. شما درکی استوار از نحوه عملکرد PyTorch، با تمرکز بر ایجاد شبکه‌های عصبی عمیق، انجام عملیات کانولوشن و کار با مجموعه‌داده‌های مختلف مانند CIFAR10 به دست خواهید آورد. در پایان دوره، در ساخت و آموزش مدل‌های بینایی ماشین با بهره‌گیری از قدرت CNNها و معماری LeNet مهارت خواهید یافت. همچنین مباحث پیشرفته‌ای مانند CUDA، شتاب‌دهنده GPU و AutoGrad را بررسی خواهید کرد. در طول این دوره، با مبانی PyTorch، از جمله ایجاد تنسورها، دستکاری آن‌ها و ادغام آرایه‌های NumPy شروع خواهید کرد. همچنین روی پیاده‌سازی‌های عملی مانند ساخت اولین شبکه عصبی و ایجاد شبکه‌های عصبی عمیق کار خواهید کرد. مسیر یادگیری شما از طریق CNNها و کاربرد آن‌ها در طبقه‌بندی تصاویر ادامه می‌یابد، جایی که از PyTorch برای ساخت مدل‌های یادگیری عمیق که قادر به یادگیری از مجموعه‌داده‌های بزرگ تصویری هستند، استفاده خواهید کرد. این دوره برای هر کسی که علاقه‌مند به شروع مسیر شغلی در یادگیری عمیق یا بینایی ماشین است، طراحی شده است. این دوره برای مبتدیانی که می‌خواهند جنبه‌های بنیادی PyTorch و شبکه‌های عصبی را بیاموزند، ایده‌آل است. هیچ دانش قبلی در مورد یادگیری عمیق مورد نیاز نیست، اما داشتن درک پایه از زبان پایتون مفید خواهد بود. با ترکیبی از تئوری و تمرینات عملی، این دوره برای کسانی که می‌خواهند مهارت‌های خود را در یادگیری عمیق و بینایی ماشین ارتقا دهند، مناسب است.

سرفصل ها و درس ها

خوش‌آمدگویی Welcome Aboard

  • معرفی دوره Course Introduction

  • چرا PyTorch قدرتمند است؟ Why Is PyTorch Powerful?

مقدمه‌ای بر PyTorch و تنسورها Introduction to PyTorch and Tensors

  • PyTorch چیست؟ What Is PyTorch

غوص در دنیای PyTorch Diving into PyTorch

  • نصب PyTorch Installing PyTorch

  • ایجاد تنسورها در PyTorch Create Tensors in PyTorch

  • برش تنسورها و تغییر شکل (Reshape) Tensor Slicing and Reshape

  • عملیات ریاضی روی تنسورها Mathematical Operations on Tensors

  • استفاده از NumPy در PyTorch NumPy in PyTorch

  • CUDA چیست؟ What Is CUDA

  • اجرای PyTorch روی GPU PyTorch on GPU

مفهوم AutoGrad در PyTorch AutoGrad in PyTorch

  • قابلیت AutoGrad در PyTorch AutoGrad in PyTorch

  • استفاده از AutoGrad در حلقه‌ها AutoGrad in a Loop

ساخت شبکه‌های عصبی عمیق در PyTorch Creating Deep Neural Networks in PyTorch

  • ساخت اولین شبکه عصبی Building the First Neural Network

  • نوشتن یک شبکه عصبی عمیق Writing a Deep Neural Network

  • نوشتن یک ماژول سفارشی NN Writing a Custom NN Module

شبکه‌های عصبی کانولوشنال (CNN) در PyTorch CNN in PyTorch

  • بارگذاری داده‌ها: CIFAR10 Data Loading - CIFAR10

  • بصری‌سازی داده‌ها Data Visualization

  • مروری بر CNN CNN Recap

  • اولین مدل CNN First CNN

  • لایه‌های عمیق CNN CNN Deep Layers

معماری LeNet در PyTorch LeNet Architecture in PyTorch

  • بررسی کلی LeNet LeNet Overview

  • مدل LeNet در PyTorch LeNet Model in PyTorch

  • آماده‌سازی و ارزیابی Preparation and Evaluation

یادگیری اختیاری: مبانی پایتون Optional Learning- Python Basics

  • چرا یادگیری زبان برنامه‌نویسی لازم است؟ Why Learn Any Programming Language

  • چرا پایتون را انتخاب کنیم؟ Why Choose Python

  • نصب Jupyter Notebook Installing Jupyter Notebook

  • نکات و ترفندهای Jupyter Notebook Jupyter Notebook - Tips and Tricks

  • آنچه در این بخش خواهیم آموخت What We Will Cover in This Section

  • متغیرها در پایتون Variables in Python

  • تابع Print Print Function

  • انواع داده‌های عددی و عملیات ریاضی در پایتون Numerical Data Types and Arithmetic Operations in Python

  • نوع داده رشته (String) String Data Type

  • نوع داده منطقی (Boolean) Boolean Data Type

  • تبدیل انواع داده‌ها (Type Casting) Type Conversion and Type Casting

  • افزودن کامنت در برنامه‌نویسی پایتون Adding Comments in Python Programming Language

  • ساختارهای داده در پایتون Data Structures in Python

  • تاپل‌ها و مجموعه‌ها در پایتون Tuples and Sets in Python

  • دیکشنری‌های پایتون Python Dictionaries

  • دستورات شرطی if در پایتون Conditional Statements in Python - if

  • دستورات شرطی While در پایتون Conditional Statements in Python - While

  • توابع داخلی پایتون: range و input Inbuilt Functions in Python - range and input

  • حلقه‌های For For Loops

  • توابع در پایتون Functions in Python

  • کلاس‌ها در پایتون Classes in Python

یادگیری اختیاری: مینی پروژه با مبانی پایتون Optional Learning - Mini Project with Python Basics

  • مینی پروژه: بازی Hangman Mini Project - Hangman

  • نوشتن یک کلاس Writing a Class

  • ادامه مینی پروژه Mini Project - Continued

  • ساخت منطق برنامه Logic Building

  • منطق برای ورودی تک حرفی Logic for Single-Letter input

  • تست نهایی Final Testing

یادگیری اختیاری: پایتون برای علوم داده با NumPy Optional Learning - Python for Data Science with NumPy

  • کتابخانه NumPy NumPy

  • تغییر اندازه و شکل آرایه‌ها Resize and Reshape Arrays

  • برش آرایه‌ها (Slicing) Slicing

  • برودکستینگ (Broadcasting) Broadcasting

  • عملیات و توابع ریاضی در NumPy Mathematical Operations and Functions in NumPy

یادگیری اختیاری: پایتون برای علوم داده با Pandas Optional Learning - Python for Data Science with Pandas

  • کتابخانه Pandas Pandas Library

  • دیتافریم‌های Pandas Pandas Dataframe

  • بارگذاری دیتافریم از فایل‌های خارجی Pandas Dataframe - Load from External File

  • کار با مقادیر خالی (Null) Working with Null Values

  • برش دیتافریم‌های Pandas Slicing Pandas Dataframe

  • جایگذاری داده‌های گم‌شده (Imputation) Imputation

یادگیری اختیاری: پایتون برای علوم داده با Matplotlib Optional Learning - Python for Data Science with Matplotlib

  • مقدمه‌ای بر Matplotlib Matplotlib Introduction

  • فرمت‌بندی نمودار Format the Plot

  • فرمت‌بندی نمودار و نمودارهای پراکندگی (Scatter Plot) Plot Formatting and Scatter Plot

  • نمودار هیستوگرام (Histplot) Histplot

نمایش نظرات

آموزش یادگیری عمیق - بینایی ماشین برای مبتدیان با استفاده از PyTorch
جزییات دوره
9h 40m
65
(آخرین آپدیت)
378
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده