آموزش PyTorch: یادگیری عمیق

PyTorch Essential Training: Deep Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: PyTorch به سرعت در حال تبدیل شدن به یکی از محبوب ترین چارچوب های یادگیری عمیق و همچنین مهارت لازم در کیت ابزار هوش مصنوعی شماست. به دلیل ادغام عمیق با پایتون ، مورد تحسین رهبران صنعت قرار گرفته است. ادغام آن با سیستم عامل های برتر ابر ، از جمله Amazon SageMaker و Google Cloud Platform. و نمودارهای محاسباتی آن که می توانند در حین پرواز تعریف شوند. در این دوره با Jonathan Fernandes همراه شوید زیرا او در اصول یادگیری عمیق با استفاده از PyTorch فرو می رود. وی با شروع یک مدل شناسایی تصویر کارگر ، نشان می دهد که چگونه اجزای مختلف متناسب و همگام هستند - از سنسورها ، عملکردهای از دست دادن و از بین بردن خودکار تا خطایابی شبکه PyTorch.
موضوعات شامل:
  • آموزش شبکه
  • پیش بینی ها
  • کار با کلاسها و سنجشگرها
  • کار با ضرر ، خودکار و بهینه سازها
  • عیب یابی شبکه PyTorch
  • استفاده از CPU / GPU

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

1. شبکه MNIST و شبکه های عصبی 1. Fashion MNIST and Neural Networks

  • کار با مجموعه داده Fashion MNIST Working with the Fashion MNIST dataset

  • شهود شبکه عصبی Neural network intuition

2. کار با کلاسها و مجوزها 2. Working with Classes and Tensors

  • کلاس ها Classes

  • حراج Tensors

  • آموزش شبکه Training the network

3. کار با ضرر ، اتوگراد و بهینه ساز 3. Working with Loss, Autograd, and Optimizers

  • ضرر - زیان Loss

  • اتوگراد Autograd

  • اتوگراد با تنش Autograd with tensors

  • بهینه ساز Optimizers

  • با استفاده از بهینه سازها Using optimizers

4. عیب یابی و استفاده از CPU / GPU 4. Troubleshooting and CPU/GPU Usage

  • عیب یابی Troubleshooting

  • CPU به GPU CPU to GPU

  • اعتبار سنجی Validation

نتیجه Conclusion

  • ایده های آینده پروژه Future project ideas

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش PyTorch: یادگیری عمیق
جزییات دوره
56m 3s
16
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
5,332
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jonathan Fernandes Jonathan Fernandes

مشاور متمرکز بر علوم داده ، هوش مصنوعی و داده های بزرگ جاناتان فرناندس برای یک مشاور کار می کند و در درجه اول روی علوم داده ، هوش مصنوعی و داده های بزرگ تمرکز دارد.

جاناتان از کار خود لذت می برد ، زیرا عشق او به اعداد ، کدگذاری و آمار را ترکیبی می کند. جاناتان دارای مدرک کارشناسی علوم کامپیوتر و MBA از دانشگاه وارویک است.