کتاب صوتی آموزش جامع و کاربردی یادگیری عمیق با استفاده از کتابخانه PyTorch (از مفاهیم پایه تا شبکه‌های مولد)

🎓 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

• 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