دوره جامع آموزش اتوانکودرها، VAEها و شبکه‌های GAN - آخرین آپدیت

دانلود Introduction Course to Autoencoders, VAEs, and GANs

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یادگیری عمیق، مقدمه‌ای جامع بر اتوانکودرها (Autoencoders)، اتوانکودرهای متغیر (VAE) و شبکه‌های مولد رقابتی (GANs) ارائه می‌دهد. در ابتدا با نحوه فشرده‌سازی و بازسازی داده‌ها توسط اتوانکودرها آشنا می‌شوید و سپس کشف خواهید کرد که چگونه VAEها با افزودن مدل‌سازی احتمالی، قابلیت‌های تولیدی را بهبود می‌بخشند. شما فرآیند آموزش VAE را یاد گرفته و یک مدل VAE را با استفاده از TensorFlow برای تولید تصویر با مجموعه داده MNIST پیاده‌سازی خواهید کرد. در ادامه، به تسلط بر GANها می‌پردازید؛ رویکرد آموزش رقابتی، نحوه تعامل مولد (Generator) و متمایزگر (Discriminator) را درک کرده و کاربردهای واقعی آن‌ها را بررسی می‌کنید. همچنین با ساخت یک شبکه GAN برای تولید تصاویر جعلی واقع‌گرایانه از طریق دموهای گام‌به‌گام، تجربه عملی کسب خواهید کرد. برای موفقیت در این دوره، باید درک پایه‌ای از شبکه‌های عصبی، مفاهیم یادگیری ماشین و برنامه‌نویسی پایتون داشته باشید. در پایان این دوره، شما قادر خواهید بود: - اتوانکودرها و VAEها را پیاده‌سازی و آموزش دهید - از VAEها برای وظایف تولیدی مانند سنتز تصویر استفاده کنید - شبکه‌های GAN را برای تولید داده‌های واقع‌گرایانه بسازید و آموزش دهید - آموزش رقابتی را درک کرده و در موارد استفاده واقعی به کار ببرید این دوره برای توسعه‌دهندگان مشتاق AI، مهندسان ML و دانشمندان داده‌ای که به دنبال اکتشاف در یادگیری عمیق مولد هستند، ایده‌آل است.

سرفصل ها و درس ها

اتوانکودرها و اتوانکودرهای متغیر (VAE) Autoencoders and Variational Autoencoders (VAE)

  • اهداف آموزشی Learning Objectives

  • اتوانکودرها Autoencoders

  • چالش‌های اتوانکودرها Challenges in Autoencoders

  • مقدمه‌ای بر اتوانکودرهای متغیر Introdution to Variational Autoencoders

  • فرآیند آموزش مولد VAE VAE Generative Training Process

  • مراحل اجرای VAE Steps Involved in VAE

  • تولید تصویر Image Generation

  • دمو: پیاده‌سازی VAE با TensorFlow برای تولید تصویر با استفاده از دیتاست MNIST Demo: Implementing a VAE with TensorFlow for Image Generation Using the MNIST Dataset

شبکه‌های مولد رقابتی (GAN) Generative Adversarial Networks (GAN)

  • مقدمه‌ای بر شبکه‌های GAN Introduction to GANs

  • فرآیند آموزش و کاربردهای صنعتی GAN Training Process and Industrial Use Case of GAN

  • دمو: تولید تصاویر جعلی با شبکه‌های مولد رقابتی (GANs) Demo: Generating Fake Images with Generative Adversial Networks (GANs)

  • نکات کلیدی و جمع‌بندی Key Takeaways

نمایش نظرات

دوره جامع آموزش اتوانکودرها، VAEها و شبکه‌های GAN
جزییات دوره
3h 55m
12
(آخرین آپدیت)
1,048
- 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