آموزش هوش مصنوعی مولد: مبانی و مفاهیم - آخرین آپدیت

دانلود Generative AI: Foundations and Concepts

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره آموزشی دیدگاهی جامع از مفاهیم بنیادین هوش مصنوعی مولد (Generative AI)، اصول ریاضیاتی و کاربردهای آن‌ها در مهندسی ارائه می‌دهد. تمرکز اصلی این دوره بر پیاده‌سازی عملی هوش مصنوعی مولد، شامل شبکه‌های عصبی، مکانیسم توجه (Attention Mechanism) و مدل‌های پیشرفته یادگیری عمیق است.

سرفصل ها و درس ها

مبانی شبکه‌های عصبی و بهینه‌سازی Foundations of Neural Networks and Optimization

  • شبکه‌های عصبی بخش اول: پرسپترون Neural Networks Part 1: Perceptron

  • شبکه‌های عصبی بخش دوم: نحوه یادگیری شبکه‌های عصبی Neural Networks Part 2: How Neural Networks Learn

  • شبکه‌های عصبی بخش سوم: پس‌انتشار (Back Propagation) Neural Networks Part 3: Back Propagation

  • مروری بر تکنیک‌های بهینه‌سازی بخش اول Optimization Technique Overview Part 1

  • مروری بر تکنیک‌های بهینه‌سازی بخش دوم Optimization Technique Overview Part 2

  • مروری بر تکنیک‌های بهینه‌سازی بخش سوم Optimization Technique Overview Part 3

منظم‌سازی و تکنیک‌های پیشرفته Regularization and Advanced Techniques

  • منظم‌سازی: انتخاب مدل و پیچیدگی Regularization: Model Selection and Complexity

  • تکنیک‌های منظم‌سازی (Regularization) Regularization Techniques

  • آشنایی با دراپ‌اوت (Dropout) Introduction to Dropout

  • آشنایی با نرمال‌سازی دسته‌ای (Batch Normalization) Introduction to Batch Normalization

شبکه‌های عصبی پیچشی (CNNs) Convolutional Neural Networks (CNNs)

  • شبکه‌های عصبی پیچشی بخش اول: اصول اولیه Convolutional Neural Networks Part 1: The First Principles

  • شبکه‌های عصبی پیچشی بخش دوم: ورودی یک‌بعدی Convolutional Neural Networks Part 2: 1D Input

  • شبکه‌های عصبی پیچشی بخش سوم: ابعاد چندگانه Convolutional Neural Networks Part 3: Multiple Dimensions

  • شبکه‌های عصبی پیچشی بخش چهارم: پس‌انتشار Convolutional Neural Networks Part 4: Backpropagation

  • شبکه‌های عصبی پیچشی بخش پنجم: PixelCNN Convolutional Neural Networks Part 5: PixelCNN

مدل‌های مولد و یادگیری حداکثر احتمال Generative Models and Maximum Likelihood Learning

  • مقدمه‌ای بر یادگیری حداکثر احتمال Intro to Maximum Likelihood Learning

  • روش‌های واگرایی و گرادینت کاهشی Divergence Methods & Gradient Descent

  • بازنمایی بخش اول: توزیع‌ها Representation Part 1: Distributions

  • بازنمایی بخش دوم: مدل‌های تمایزی در مقابل مدل‌های کلی Representation Part 2: Discriminative vs General Models

  • اصول کلی مدل‌های خودرگرسیونی (Autoregressive) Autoregressive Models General Principles

  • ادامه مدل‌های خودرگرسیونی Autoregressive Models Continued

نمایش نظرات

آموزش هوش مصنوعی مولد: مبانی و مفاهیم
جزییات دوره
21h 36m
21
(آخرین آپدیت)
436
- 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