لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مسترکلاس یادگیری عمیق با بیش از 20 پروژه TensorFlow 2
Deep Learning Masterclass with TensorFlow 2 Over 20 Projects
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش عمیق با TensorFlow 2 با بینایی کامپیوتری، پردازش زبان طبیعی، تشخیص و استقرار صدا. API عملکردی، طبقهبندی فرعی مدل و لایههای سفارشی ارزیابی مدلهای طبقهبندی با استفاده از معیارهای مختلف مانند: دقت، یادآوری، دقت و ارزیابی مدل طبقهبندی امتیاز F1 با ماتریس سردرگمی و منحنی ROC Tensorflow Callback، زمانبندی نرخ یادگیری و بررسی مدل با نقطهگذاری بیشازحد و Mitig Dropout، Regularization، Data Augmentation افزایش داده با TensorFlow با استفاده از تصویر TensorFlow و Keras Layers استراتژیهای تقویت پیشرفته مانند Cutmix و Mixup تقویت داده با آلبومسازی با TensorFlow 2 و PyTorch Custom Loss و Metrics در TensorFlow در TensorFlow و TensorinFlow در Gransorining 2 TensorFlow 2 ادغام Tensorboard با TensorFlow 2 برای ثبت داده ها، مشاهده نمودارهای مدل، تنظیم هایپرپارامتر و پروفایل عملیات یادگیری ماشین (MLOps) با وزن ها و بایاس ها ردیابی آزمایشی با تنظیم فراپارامتر Wandb با ویرایش مجموعه داده Wandb با نسخه جدید Wandb مدل موشن با استفاده از Wandb Human شبکه های عصبی (Alexnet، Vggnet، Resnet، Mobilenet، EfficientNet) آموزش انتقال تصویر لایه های میانی convnet روش Grad-cam ترکیب مدل و عدم تعادل کلاس ترانسفورماتورها در استقرار مدل Vision تبدیل از tensorflow به Onnx مدل Quantization Aware آموزش ساخت API با Fastapi استقرار API به تشخیص اجسام ابری از ابتدا با YOLO تقسیمبندی تصویر از ابتدا با مدل UNET شمارش افراد از ابتدا با Csrnet تولید رقم با رمزگذارهای خودکار متغیر (VAE) تولید چهره با شبکههای عصبی متخاصم (GAN) تجزیه و تحلیل احساسات با شبکههای عصبی تکراری، مدلهای توجه تغییر شکل ترجمه ماشین عصبی scratch با شبکه های عصبی تکراری، مدل های توجه و ترانسفورماتورها از ابتدا طبقه بندی قصد با Deberta در ترانسفورماتور Huggingface ترجمه ماشین عصبی با T5 در ترانسفورماتور Huggingface پاسخ سوال استخراجی با Longformer در ترانسفورماتور Huggingface تجارت الکترونیکی ترانسفورماتور ترانسفورماتور GPT با S. در ترانسفورماتورهای Huggingface تصحیح خطای گرامری با T5 در ترانسفورماتورهای Huggingface ایلان ماسک ربات با BlenderBot در ترانسفورماتورهای Huggingface پیشها:دسترسی پایه ریاضی به اتصال به اینترنت، همانطور که از گوگل کولب استفاده خواهیم کرد (نسخه رایگان) دانش پایه پایتون
یادگیری عمیق امروزه یکی از محبوب ترین زمینه ها در علوم کامپیوتر است. این برنامه در حوزه های بسیار و بسیار متنوعی کاربرد دارد. با انتشار مدل های یادگیری عمیق بسیار کارآمدتر در اوایل دهه 2010، ما شاهد پیشرفت بزرگی در وضعیت هنر در حوزه هایی مانند بینایی کامپیوتر، پردازش زبان طبیعی، تولید تصویر و پردازش سیگنال بوده ایم.
تقاضا برای مهندسین Deep Learning سرسام آور است و کارشناسان در این زمینه به دلیل ارزشی که دارند دستمزد بالایی دریافت می کنند. با این حال، شروع در این زمینه آسان نیست. اطلاعات بسیار زیادی وجود دارد که بسیاری از آنها قدیمی است و بسیاری از اوقات افراد مبتدی را در نظر نمی گیرند:(
در این دوره، ما شما را به سفری شگفت انگیز می بریم که در آن مفاهیم مختلف را با رویکردی گام به گام و مبتنی بر پروژه تسلط خواهید داشت. شما باید از Tensorflow 2 (محبوب ترین کتابخانه جهان برای یادگیری عمیق و ساخته شده توسط Google) و Huggingface استفاده کنید. ما با درک نحوه ساخت مدلهای بسیار ساده (مانند مدلهای رگرسیون خطی برای پیشبینی قیمت خودرو، طبقهبندیکننده متن برای نقد فیلم، طبقهبندیکننده باینری برای پیشبینی مالاریا) با استفاده از ترانسفورماتورهای Tensorflow و Huggingface شروع میکنیم، تا مدلهای پیشرفتهتر (مانند مدلهای تشخیص شی با YOLO). ، مدل مولد متن با GPT2 و تولید تصویر با GAN )
پس از گذراندن این دوره و انجام پروژههای مختلف، مجموعه مهارتهای مورد نیاز برای توسعه راهحلهای مدرن یادگیری عمیق را که شرکتهای بزرگ فناوری با آن مواجه میشوند، توسعه خواهید داد.
یاد خواهید گرفت:
مبانی تنسورفلو (تنسورها، ساخت مدل، آموزش و ارزیابی)
الگوریتمهای یادگیری عمیق مانند شبکههای عصبی Convolutional و Vision Transformers
طبقه بندی قصد با Deberta در ترانسفورماتور Huggingface
ارتباط موجودیت نامگذاری شده با روبرتا در ترانسفورماتورهای Huggingface
ترجمه ماشین عصبی با T5 در ترانسفورماتور Huggingface
پاسخ به سوال استخراجی با Longformer در ترانسفورماتور Huggingface
موتور جستجوی تجارت الکترونیک با ترانسفورماتورهای جمله
Lyrics Generator با GPT2 در ترانسفورماتور Huggingface
تصحیح خطای گرامری با T5 در ترانسفورماتور Huggingface
ربات Elon Musk با BlenderBot در ترانسفورماتور Huggingface
تشخیص گفتار با RNN
اگر مایلید در حرفه خود قدمی فراتر بردارید، این دوره برای شما مناسب است و ما بسیار هیجان زده هستیم تا به اهداف شما کمک کنیم!
این دوره توسط Neuralearn به شما ارائه شده است. و درست مانند هر دوره دیگری توسط Neuralearn، ما تاکید زیادی بر بازخورد داریم. نظرات و سوالات شما در انجمن به ما در بهتر شدن این دوره کمک می کند. تا حد امکان در انجمن سوال بپرسید. ما تمام تلاش خود را می کنیم تا در کوتاه ترین زمان ممکن پاسخ دهیم.
لذت ببرید!!!
سرفصل ها و درس ها
معرفی
Introduction
خوش آمدی
Welcome
مقدمه کلی
General Introduction
پیوند به کد
Link to Code
تانسورها و متغیرها
Tensors and Variables
مبانی تانسور
Tensor Basics
راه اندازی و ریخته گری تانسور
Tensor Initialization and Casting
نمایه سازی
Indexing
عملیات ریاضی در تنسورفلو
Maths Operations in Tensorflow
عملیات جبر خطی در Tensorflow
Linear Algebra Operations in Tensorflow
تانسورهای پاره پاره
Ragged Tensors
تانسورهای پراکنده
Sparse Tensors
تانسورهای رشته
String Tensors
متغیرهای تنسورفلو
Tensorflow Variables
ساخت یک شبکه عصبی ساده در تنسورفلو
Building a Simple Neural Network in Tensorflow
درک وظیفه
Task Understanding
آماده سازی داده ها
Data Preparation
مدل رگرسیون خطی
Linear Regression Model
تحریم خطا
Error sanctioning
آموزش و بهینه سازی
Training and Optimization
اندازه گیری عملکرد
Performance Measurement
اعتبار سنجی و آزمایش
Validation and testing
اقدامات اصلاحی
Corrective Measures
ساخت شبکه های عصبی کانولوشنال [تشخیص مالاریا]
Building Convolutional Neural Networks [Malaria Diagnosis]
درک وظیفه
Task understanding
آماده سازی داده ها
Data Preparation
تجسم داده ها
Data visualization
پردازش داده ها
Data Processing
چگونه و چرا شبکه های عصبی کانولوشن کار می کنند
How and Why Convolutional Neural Networks work
ساخت شبکه های ارتباطی در تنسورفلو
Building Convnets in Tensorflow
از دست دادن متقاطع باینری
Binary Crossentropy loss
آموزش Convnet
Convnet training
ارزیابی و آزمایش مدل
Model evaluation and testing
بارگیری و ذخیره مدلهای تنسورفلو در Google Drive
Loading and Saving Tensorflow Models to Google Drive
ساخت مدل های پیشرفته تر با API عملکردی، طبقه بندی فرعی و لایه های سفارشی
Building more advanced Models with Functional API, Subclassing and Custom Layers
نمایش نظرات