لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش برنامهنویسی هوش مصنوعی مولد: واحد ۲
- آخرین آپدیت
دانلود Programming Generative AI: Unit 2
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
با دوره جامع و تخصصی ما، با اطمینان وارد دنیای هوش مصنوعی مولد (Generative AI) شوید. این دوره به گونهای طراحی شده است تا شما را به دانش بنیادی و تجربه عملی در پیشرفتهترین تکنیکهای یادگیری عمیق مجهز کند. در این مسیر، مفاهیم ضروری نحوه تفسیر و تولید تصاویر و متن توسط کامپیوترها را خواهید آموخت؛ از مبانی نمایش تصاویر گرفته تا معماریهای پیشرفتهای مانند شبکههای عصبی پیچشی (CNN) و اتوانکودرها. شما قدرت مدلهای اتوانکودر تغییرپذیر (VAE) و مدلهای دیفیوژن (Diffusion Models) را کشف خواهید کرد و میآموزید که چگونه این ابزارهای مدرن، انقلاب تولید و بهبود تصاویر را رقم زدهاند. با انجام تمرینات عملی و استفاده از کتابخانههای استاندارد صنعت مانند PyTorch و Hugging Face، تجربه مستقیم ساخت و استقرار مدلهای مولد برای تصویر و متن را کسب میکنید. در نهایت، با بررسی عمیق خط لولههای پردازش زبان طبیعی (NLP) و معماریهای ترنسفورمر، قادر خواهید بود از مدلهای زبانی بزرگ (LLM) برای کاربردهای واقعی بهره ببرید. در پایان این دوره، شما مجموعهای قدرتمند از مهارتها در هوش مصنوعی مولد خواهید داشت که شما را برای نوآوری در پژوهشها، صنایع خلاق یا کسبوکارهای تکنولوژیمحور آماده میکند. به ما بپیوندید و پتانسیلهای خود را در حوزه بهسرعت در حال رشد هوش مصنوعی آزاد کنید.
سرفصل ها و درس ها
برنامهنویسی هوش مصنوعی مولد: واحد ۲
Programming Generative AI: Unit 2
سرفصلها
Topics
نمایش تصاویر به صورت تنسور
Representing Images as Tensors
الزامات بینایی ماشین
Desiderata for Computer Vision
ویژگیهای شبکههای عصبی پیچشی
Features of Convolutional Neural Networks
کار با تصاویر در پایتون
Working with Images in Python
مجموعه داده FashionMNIST
The FashionMNIST Dataset
شبکههای عصبی پیچشی در PyTorch
Convolutional Neural Networks in PyTorch
اجزای مدل متغیر پنهان (LVM)
Components of a Latent Variable Model (LVM)
مبانی اتوانکودر
The Humble Autoencoder
تعریف اتوانکودر با PyTorch
Defining an Autoencoder with PyTorch
راهاندازی حلقه آموزش
Setting up a Training Loop
استنتاج با اتوانکودر
Inference with an Autoencoder
بدون نیاز به استخراج ویژگی
Look Ma, No Features!
افزودن احتمال به اتوانکودرها (VAE)
Adding Probability to Autoencoders (VAE)
استنتاج تغییرپذیر: فراتر از اتوانکودرها
Variational Inference: Not Just for Autoencoders
تبدیل اتوانکودر به VAE
Transforming an Autoencoder into a VAE
آموزش VAE با PyTorch
Training a VAE with PyTorch
کاوش در فضای پنهان
Exploring Latent Space
درونیابی فضای پنهان و بردارهای ویژگی
Latent Space Interpolation and Attribute Vectors
سرفصلها
Topics
تولید به عنوان یک فرآیند بازگشتپذیر
Generation as a Reversible Process
نمونهبرداری به عنوان حذف نویز تکرارشونده
Sampling as Iterative Denoising
Diffusers و اکوسیستم Hugging Face
Diffusers and the Hugging Face Ecosystem
تولید تصاویر با خط لولههای Diffusers
Generating Images with Diffusers Pipelines
کالبدشکافی فرآیند دیفیوژن
Deconstructing the Diffusion Process
فرآیند پیشرو به عنوان انکودر
Forward Process as Encoder
فرآیند معکوس به عنوان دکودر
Reverse Process as Decoder
نمایش نظرات