کتاب آموزش جامع و کاربردی یادگیری عمیق با استفاده از کتابخانه PyTorch (از مفاهیم پایه تا شبکه‌های مولد) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع و کاربردی یادگیری عمیق با استفاده از کتابخانه PyTorch (از مفاهیم پایه تا شبکه‌های مولد)

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: یادگیری عمیق و شبکه‌های عصبی

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی هوش مصنوعی و جایگاه یادگیری عمیق
  • 2. نصب و راه‌اندازی محیط برنامه‌نویسی پایتون و کتابخانه پای‌تورچ
  • 3. آشنایی با ساختار داده‌ای تنسور در پای‌تورچ
  • 4. عملیات ریاضی و جبر خطی بر روی تنسورها
  • 5. کار با مجموعه داده‌ها و کلاس دیتاست در پای‌تورچ
  • 6. مفهوم رگرسیون خطی و پیاده‌سازی آن از صفر
  • 7. درک تابع زیان و روش گرادیان کاهشی
  • 8. بهینه‌سازها و نقش آن‌ها در آموزش مدل
  • 9. معماری شبکه‌های عصبی متراکم و لایه‌های خطی
  • 10. توابع فعال‌ساز غیرخطی و اهمیت آن‌ها در شبکه
  • 11. آموزش مدل‌های دسته‌بندی با استفاده از پای‌تورچ
  • 12. مفهوم بیش‌برازش و روش‌های منظم‌سازی
  • 13. تکنیک‌های اعتبارسنجی متقاطع و ارزیابی مدل
  • 14. مدیریت داده‌های تصویری و پیش‌پردازش تصاویر
  • 15. معماری شبکه‌های عصبی کانولوشنی برای بینایی ماشین
  • 16. لایه‌های پولینگ و نقش آن‌ها در استخراج ویژگی
  • 17. پیاده‌سازی مدل‌های طبقه‌بندی تصویر با استفاده از سی‌ان‌ان
  • 18. آموزش انتقال و استفاده از مدل‌های پیش‌آموزش‌دیده
  • 19. کار با شبکه‌های عصبی بازگشتی برای داده‌های ترتیبی
  • 20. مفهوم حافظه بلندمدت کوتاه‌مدت در مدل‌های توالی
  • 21. پردازش متن و تبدیل کلمات به بردارها
  • 22. معماری شبکه‌های عصبی مولد و مفهوم فضای نهفته
  • 23. آشنایی با شبکه‌های مولد رقابتی
  • 24. پیاده‌سازی شبکه مولد برای تولید داده‌های مصنوعی
  • 25. توابع زیان خاص در شبکه‌های مولد
  • 26. بررسی چالش‌های پایداری در آموزش مدل‌های مولد
  • 27. استفاده از جی‌پی‌یو برای شتاب‌دهی به محاسبات
  • 28. ذخیره‌سازی و بارگذاری مدل‌های آموزش‌دیده
  • 29. استقرار مدل‌های یادگیری عمیق در محیط عملیاتی
  • 30. اخلاق در هوش مصنوعی و مسئولیت‌پذیری در توسعه الگوریتم‌ها
  • 31. رعایت حریم خصوصی در پردازش داده‌ها و هوش مصنوعی
  • 32. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندهای صنعتی
  • 33. پروژه نهایی طراحی و آموزش یک شبکه عصبی کاربردی
تگ‌ها: آموزش PyTorch برنامه‌نویسی پایتون پردازش داده شبکه‌های عصبی شبکه‌های مولد هوش مصنوعی هوش مصنوعی کاربردی یادگیری عمیق یادگیری عمیق با پای‌تورچ یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.