لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی بهینهسازی مدل و یادگیری عمیق
- آخرین آپدیت
دانلود Foundations of Model Optimization and Deep Learning
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره دارای قابلیت Coursera Coach است!
روشی هوشمندانهتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک میکند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
این دوره شما را با مهارتها و دانش بنیادی برای بهینهسازی مدلهای یادگیری ماشین و پیادهسازی تکنیکهای یادگیری عمیق مانند شبکههای عصبی پیچشی (CNN) آشنا میکند. شما با یادگیری نقش حیاتی تنظیم هایپرپارامترها و تکنیکهای بهینهسازی برای بهبود عملکرد مدل شروع خواهید کرد. این دوره طیف گستردهای از استراتژیهای بهینهسازی از جمله Grid Search، Random Search و بهینهسازی پیشرفته Bayesian را پوشش میدهد. همچنین کاربردهای عملی تکنیکهای منظمسازی (Regularization) مانند L1، L2 و Dropout و استراتژیهای اعتبارسنجی متقاطع (Cross-Validation) برای ارزیابی دقیق مدل را بررسی خواهید کرد.
در ادامه، دوره به بررسی یادگیری عمیق با تمرکز بر CNNها میپردازد که ابزارهایی قدرتمند برای پردازش تصویر و بینایی ماشین هستند. شما مکانیسم لایههای CNN، مانند لایههای پیچشی (Convolutional) و لایههای pooling و نحوه کاهش ابعاد در عین حفظ ویژگیهای حیاتی را خواهید آموخت. سپس دوره به بخش تجربه عملی منتقل میشود، جایی که معماریهای CNN را با استفاده از فریمورکهای محبوبی مانند Keras، TensorFlow و PyTorch خواهید ساخت. همچنین بینشهایی در مورد تکنیکهای پیشرفتهای مانند افزایش دادهها (Data Augmentation) و منظمسازی برای بهبود تعمیمپذیری مدل به دست خواهید آورد.
با پیشروی در دوره، این مفاهیم را در پروژههای دنیای واقعی به کار خواهید گرفت. نقطه اوج این دوره، یک پروژه عملی است که در آن از مهارتهای یادگیری عمیق خود برای طبقهبندی تصاویر با استفاده از مجموعهدادههای Fashion MNIST یا CIFAR-10 استفاده میکنید. با کار روی این پروژه، درک خود را از نحوه عملکرد CNNها در محیطهای عملی تقویت کرده و تواناییهای تئوری و عملی خود در یادگیری ماشین را ارتقا خواهید داد.
این دوره برای یادگیرندگانی طراحی شده است که میخواهند در بهینهسازی یادگیری ماشین و یادگیری عمیق عمیق شوند، بهویژه کسانی که علاقهمند به دنبال کردن مسیر شغلی در هوش مصنوعی (AI) و علوم داده هستند. داشتن درک پایه از پایتون و مفاهیم بنیادی یادگیری ماشین به شما کمک میکند تا بیشترین بهره را از این دوره ببرید؛ دورهای که برای یادگیرندگان سطح متوسط مشتاق به ساخت اپلیکیشنهای واقعی هوش مصنوعی مناسب است.
در پایان این دوره، شما قادر خواهید بود مدلهای یادگیری ماشین را با استفاده از تکنیکهای مختلف تنظیم بهینهسازی کنید، شبکههای عصبی پیچشی را برای پردازش تصویر پیادهسازی نمایید و از منظمسازی و افزایش دادهها برای بهبود دقت و تعمیمپذیری مدل استفاده کنید.
سرفصل ها و درس ها
معرفی دوره و مدرس
Introduction to Course and Instructor
معرفی تخصص
Introduction to the Specialization
تنظیم و بهینهسازی مدل
Model Tuning and Optimization
روز اول: مقدمهای بر تنظیم هایپرپارامترها
Day 1: Introduction to Hyperparameter Tuning
روز دوم: جستجوی شبکهای (Grid Search) و جستجوی تصادفی (Random Search)
Day 2: Grid Search and Random Search
روز سوم: تنظیم پیشرفته هایپرپارامترها با بهینهسازی بیزی
Day 3: Advanced Hyperparameter Tuning with Bayesian Optimization
روز چهارم: تکنیکهای منظمسازی برای بهینهسازی مدل
Day 4: Regularization Techniques for Model Optimization
روز پنجم: اعتبارسنجی متقاطع و تکنیکهای ارزیابی مدل
Day 5: Cross-Validation and Model Evaluation Techniques
روز ششم: تنظیم خودکار هایپرپارامترها با GridSearchCV و RandomizedSearchCV
Day 6: Automated Hyperparameter Tuning with GridSearchCV and RandomizedSearchCV
روز هفتم: پروژه بهینهسازی – ساخت و تنظیم مدل نهایی
Day 7: Optimization Project – Building and Tuning a Final Model
نمایش نظرات