کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش یادگیری ماشین با داده‌های کم - بخش دوم - آخرین آپدیت

دانلود Machine Learning with Small Data Part 2

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با گذراندن این دوره، در ساخت سیستم‌های قدرتمند یادگیری ماشین که با داده‌های محدود عملکرد عالی دارند، استاد می‌شوید. شما در زمینه‌های یادگیری چندوظیفه‌ای (Multi-task Learning)، متایادگیری (Meta-learning) و روش‌های پیشرفته افزایش داده‌ها (Data Augmentation) — از شبیه‌سازی‌های مبتنی بر فیزیک تا رویکردهای مولد — تخصص کسب خواهید کرد تا مدل‌ها بتوانند به سرعت سازگار شده و فراتر از اندازه مجموعه داده‌های خود عمل کنند. آنچه این دوره را منحصر‌به‌فرد می‌کند، تمرکز آن بر فناوری‌های پیشرفته سه‌بعدی و مولد است: میدان‌های تابش عصبی (NeRF)، مدل‌های انتشار (Diffusion Models) و Gaussian Splatting سه‌بعدی. برخلاف دوره‌های سنتی یادگیری ماشین که فرض می‌کنند داده‌ها فراوان هستند، این برنامه با محدودیت‌های دنیای واقعی مقابله کرده و قابلیت‌های پیشرفته‌ای را در علوم، مهندسی و صنایع خلاق فعال می‌کند. این دوره در درجه اول برای دانشجویان تحصیلات تکمیلی علوم کامپیوتر، مهندسی یا علوم داده، و همچنین متخصصان صنعت و پژوهشگرانی است که با مجموعه داده‌های محدود کار می‌کنند و نیاز دارند علی‌رغم محدودیت‌های داده‌ای، سیستم‌های یادگیری ماشین با کارایی بالا توسعه دهند.
سرفصل ها و درس ها

8-یادگیری چندوظیفه‌ای 8 - Multi-Task Learning

  • یادگیری چندوظیفه‌ای Multi-Task Learning

9-متایادگیری 9 - Meta-Learning

  • متایادگیری Meta Learning

10-یادگیری با افزایش داده‌ها: شبیه‌سازی داده‌محور 10 - Learning With Data Augmentation: Data-Driven Simulation

  • یادگیری با افزایش داده‌ها: شبیه‌سازی داده‌محور Learning with Data Augmentation: Data-Driven Simulation

11-یادگیری با افزایش داده‌ها: شبیه‌سازی مبتنی بر فیزیک 11 - Learning With Data Augmentation: Physics-Based Simulation

  • آشنایی با شبیه‌سازی مبتنی بر فیزیک Introduction to Physics-Based Simulation

12-میدان‌های تابش عصبی (NeRF) 12 - Neural Radiance Fields (NeRF)

  • تکنولوژی NeRF NeRF

13-مدل‌های انتشار (Diffusion Models) 13 - Diffusion Models

  • مقدمه‌ای بر مدل‌های انتشار Introduction to Diffusion Models

14-تکنیک 3D Gaussian Splatting 14 - 3D Gaussian Splatting

  • تکنیک 3D Gaussian Splatting 3D Gaussian Spatting

آموزش توسعه مدل‌های هوش مصنوعی صنعتی و اخلاقیات

آموزش توسعه مدل‌های هوش مصنوعی صنعتی و اخلاقیات

دانلود Production AI Model Development and Ethics

آموزش جمینای در گوگل شیتس - Gemini in Google Sheets

آموزش جمینای در گوگل شیتس - Gemini in Google Sheets

دانلود Gemini in Google Sheets - Italiano

ابزارهای MLOps: آموزش MLflow و Hugging Face

ابزارهای MLOps: آموزش MLflow و Hugging Face

دانلود MLOps Tools: MLflow and Hugging Face

نمایش نظرات

آموزش یادگیری ماشین با داده‌های کم - بخش دوم
جزییات دوره
11h 34m
7
(آخرین آپدیت)
81
- از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/8392cd

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

Generative Model Architectures Generative AI Machine Learning Algorithms Transfer Learning Model Optimization 3D Modeling Applied Machine Learning Image Analysis Generative Adversarial Networks (GANs) Model Training 3D Assets Simulations Computer Graphics Machine Learning Machine Learning Methods Computer Vision Simulation and Simulation Software Autoencoders Small Data Deep Learning معماری مدل‌های مولد هوش مصنوعی مولد الگوریتم‌های یادگیری ماشین یادگیری انتقالی بهینه‌سازی مدل مدل‌سازی سه‌بعدی یادگیری ماشین کاربردی تحلیل تصویر شبکه‌های مولد رقابتی (GANs) آموزش مدل دارایی‌های سه‌بعدی شبیه‌سازی‌ها گرافیک کامپیوتری یادگیری ماشین متدهای یادگیری ماشین بینایی ماشین نرم‌افزارهای شبیه‌سازی اتوانکودرها داده‌های کوچک یادگیری عمیق