کتاب تطبیق دامنه با یادگیری خود نظارتی: از تئوری تا اجرا با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 تطبیق دامنه با یادگیری خود نظارتی: از تئوری تا اجرا

موضوع کلی: یادگیری ماشین در حضور تغییر توزیع

موضوع میانی: Self-Supervised Learning for Domain Adaptation

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تغییر توزیع در یادگیری ماشین
  • 2. چالش‌های یادگیری در دامنه‌های مختلف
  • 3. مروری بر روش‌های تطبیق دامنه سنتی
  • 4. مفهوم یادگیری خود نظارتی (Self-Supervised Learning)
  • 5. مزایای یادگیری خود نظارتی در تطبیق دامنه
  • 6. معماری‌های رایج یادگیری خود نظارتی
  • 7. روش‌های تولید پیش‌بینانه (Pretext Tasks)
  • 8. چرخش تصویر به عنوان یک پیش‌بینانه
  • 9. پیش‌بینی رنگ در تصاویر خاکستری
  • 10. پیش‌بینی ترتیب پچ‌ها
  • 11. یادگیری بازنمایی (Representation Learning) با یادگیری خود نظارتی
  • 12. انواع بازنمایی‌های یادگرفته شده
  • 13. فاصله متریک و یادگیری تطبیقی
  • 14. حداکثر میانگین اختلاف (MMD)
  • 15. همسایگی k نزدیکترین (k-NN)
  • 16. تطبیق ویژگی (Feature Alignment)
  • 17. تطبیق توزیع (Distribution Alignment)
  • 18. شبکه‌های مولد تخاصمی (GANs) برای تطبیق دامنه
  • 19. چرخه‌های سازگار (CycleGAN) در تطبیق تصویر به تصویر
  • 20. تطبیق دامنه با استفاده از Autoencoders
  • 21. انواع Autoencoders (Variational Autoencoders, Denoising Autoencoders)
  • 22. ترکیب یادگیری خود نظارتی و Autoencoders
  • 23. یادگیری انتقالی (Transfer Learning) و تطبیق دامنه
  • 24. استفاده از مدل‌های پیش‌آموزش‌دیده (Pre-trained Models)
  • 25. تطبیق دامنه با استفاده از شبکه‌های عصبی کانولوشنی (CNNs)
  • 26. تطبیق دامنه با استفاده از شبکه‌های عصبی بازگشتی (RNNs)
  • 27. تطبیق دامنه در پردازش زبان طبیعی (NLP)
  • 28. تطبیق دامنه در داده‌های متنی
  • 29. تطبیق دامنه در داده‌های صوتی
  • 30. تطبیق دامنه در داده‌های سری زمانی
  • 31. تطبیق دامنه در داده‌های تصویری
  • 32. ارزیابی روش‌های تطبیق دامنه
  • 33. معیارهای ارزیابی تطبیق دامنه
  • 34. مجموعه‌داده‌های رایج برای تطبیق دامنه
  • 35. پیاده‌سازی تطبیق دامنه با یادگیری خود نظارتی در پایتون
  • 36. استفاده از کتابخانه‌های TensorFlow و PyTorch
  • 37. بهینه‌سازی هایپرپارامترها در تطبیق دامنه
  • 38. مقایسه روش‌های مختلف تطبیق دامنه
  • 39. تحلیل خطا در تطبیق دامنه
  • 40. کاربردهای تطبیق دامنه در دنیای واقعی
  • 41. تطبیق دامنه در تشخیص اشیا
  • 42. تطبیق دامنه در تقسیم‌بندی تصاویر
  • 43. تطبیق دامنه در تشخیص گفتار
  • 44. تطبیق دامنه در ترجمه ماشینی
  • 45. تطبیق دامنه در تشخیص تقلب
  • 46. تطبیق دامنه در پزشکی
  • 47. روش‌های نوین در تطبیق دامنه با یادگیری خود نظارتی
  • 48. یادگیری چند دامنه‌ای (Multi-Domain Learning)
  • 49. یادگیری فرادامنه‌ای (Meta-Domain Learning)
  • 50. تطبیق دامنه آنلاین (Online Domain Adaptation)
  • 51. تطبیق دامنه با داده‌های برچسب‌خورده محدود (Semi-Supervised Domain Adaptation)
  • 52. تطبیق دامنه با استفاده از روش‌های مبتنی بر آنتروپی
  • 53. چالش‌ها و محدودیت‌های تطبیق دامنه با یادگیری خود نظارتی
  • 54. آینده تطبیق دامنه با یادگیری خود نظارتی
تگ‌ها: Computer Vision Deep Learning Distribution Shift Domain Adaptation Domain Generalization Machine Learning NLP Python PyTorch Representation Learning Self-Supervised Learning TensorFlow Time Series Transfer Learning Unsupervised Learning

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.