اکسپرس 24
کتاب پیشرفته تولید تصویر عصبی با تکنیک‌های هوش مصنوعی

کتاب پیشرفته تولید تصویر عصبی با تکنیک‌های هوش مصنوعی

تگ‌ها: computer vision diffusion models GAN generative AI neural image synthesis PyTorch Stable Diffusion StyleGAN TensorFlow text-to-image هوش مصنوعی 深度学习

انتخاب پلن

افزودنی‌های اختیاری

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیشرفته تولید تصویر عصبی با تکنیک‌های هوش مصنوعی

موضوع کلی: هوش مصنوعی

موضوع میانی: تولید تصویر عصبی (Neural Image Synthesis)

📋 سرفصل‌های دوره

  • 1. مبانی شبکه‌های عصبی کانولوشنی (CNN)
  • 2. ساخت وFunctionality لای‌های کانولوشنی و פולینگ
  • 3. آموزش rückpropagation در شبکه‌های عمیق
  • 4. نوर्मالیزاسیون و مقداردهی اولیه وزن‌ها
  • 5. استفاده از Batch Normalization و Layer Normalization
  • 6. مفهوم pérdida و توابع هزینه درGenerative Models
  • 7. معرفی خودکودرها (Autoencoders) و Variational Autoencoders (VAE)
  • 8. آموزش VAE برای تولید تصویر
  • 9. معرفی Generative Adversarial Networks (GAN)
  • 10. معماری Generator و Discriminator در GAN
  • 11. loss functions در GAN: minimax, Wasserstein, hinge
  • 12. تکنیک‌های安定سازی GAN: Gradient Penalty, Spectral Normalization
  • 13. Progressive Growing of GANs (ProGAN)
  • 14. StyleGAN و StyleGAN2: معماری و modulation
  • 15. قشر条件 GAN (cGAN) برای تولید تصویرconditional
  • 16. GAN‌های مبتنی بر Attention: Self‑Attention GAN
  • 17. آموزش GAN با تقنيات متا‑یادگیری (Meta‑Learning)
  • 18. معرفی مدل‌های خود regresive (PixelRNN, PixelCNN)
  • 19. آموزش modelos autoregressive برایynthesizing تصویر
  • 20. ترکیب autoregressive و attentional mechanisms (Transformer‑based image synthesis)
  • 21. مقدمه به نماذج الانتشار (Diffusion Models)
  • 22. فرآیند مستقیم و معکوس انتشار در DDPM
  • 23. آموزش مدل‌های диффузии با توزیع شوم
  • 24. Latent Diffusion Models (LDM) و استفاده از فضای laten
  • 25. conditioning در diffusion models: text‑guidance از طریق CLIP
  • 26. استخراج و استفاده از Embeddingهای متنی برای تولید تصویر
  • 27. مدل‌های intégré: VQ‑VAE و VQ‑GAN
  • 28. آموزش VQ‑VAE برای cuantización latent пространства
  • 29. ترکیب VQ‑VAE با Transformers برای synthesizing تصویر (VQGAN‑Transformer)
  • 30. تکنیک super‑resolution با استفاده از GANs
  • 31. آموزش مدل‌های super‑resolution مبتنی بر diffusion
  • 32. Inpainting و outpainting با استفاده از مدل‌های generative
  • 33. تحرير تصویر مبتنی بر text‑guided diffusion (Stable Diffusion)
  • 34. آموزش مدل‌های text‑to‑image با استفاده از معلم‌های CLIP
  • 35. تولید ویدیو با استفاده از مدل‌های generative temporal (Video GAN, Video Diffusion)
  • 36. syntèsis de video basado en modelos de difusión latente
  • 37. تولید سه بعدی (3D) با استفاده از voxel‑GAN و occupancy fields
  • 38. Neural Radiance Fields (NeRF) و ارتباط با sintetizaciya de imagenes
  • 39. آموزش مدل‌های generative برای sintetizaciya de escenas dinámicas
  • 40. معیارهای ارزیابی کیفیت تصویر: IS, FID, KID, LPIPS, Precision‑Recall
  • 41. تکنیک‌های بهینه‌سازیloss برای بهبود معیارهای ارزیابی
  • 42. آموزش مدل‌ها با استفاده از استراتژی‌های mixed precision
  • 43. توزیع آموزش بر روی چندین GPU: Data Parallel و Model Parallel
  • 44. بهینه‌سازی مصرف حافظه با gradient checkpointing
  • 45. استفاده از کتابخانه‌های PyTorch Lightning و TensorFlow Keras برای آموزش سریع
  • 46. اشکال‌زدایی و مانیتورینگ آموزش با TensorBoard و Weights & Biases
  • 47. استراتژی‌های جمع‌آوری و پیش‌پروسסینگ دیتاست برای sintetizaciya de imagenes
  • 48. افزایش داده‌ها با تبدیلات هندسية و photometric
  • 49. استفاده از دیتاست‌های بزرگ: LAION, ImageNet, COCO, etc.
  • 50. نظارت بر torsions étiques: bias, deepfakes, مال استفاده
  • 51. راهنمای verantwortungsvoller Einsatz از generativen Modellen
  • 52. استخراج و استفاده از مدل‌های previamente entrenados (pretrained weights) از Hugging Face
  • 53. Fine‑tuning مدل‌های عمومی برای کاربردهای خاص (domain adaptation)
  • 54. ترکیب مدل‌های generative با سیستم‌های рекомендаční
  • 55. تولید تصاویر با کنترل سبک (style control) از طریق AdaIN
  • 56. تکنیک‌های کنترل latent space: interpolation, navigation, disentanglement
  • 57. آموزش مدل‌های generative برای تولید تصاویر با محدودیت‌هایsemantic (semantic guidance)
  • 58. استفاده از segmentação semântica sebagai condição برای GANs/Diffusion
  • 59. syntèsis imagénes de alta resolución با معماری‌هایpiramid
  • 60. توزیع inferencing برای تولید زمان واقعی (real‑time) روی GPU و TPU
  • 61. بهینه‌سازی مدل برای deployment با TensorRT و ONNX Runtime
  • 62. ساخت API برای تولید تصویر با استفاده از FastAPI یا Flask
  • 63. کار با وب‑demos: Gradio و Hugging Face Spaces
  • 64. تولید تصاویر با محدودیت حافظه‑کم (low‑memory) برای دستگاه‌های موبایل
  • 65. استفاده از quantization و pruning برای کاهش حجم مدل
  • 66. ارزیابی سرعت و latency در تولید تصویر
  • 67. test robustness در برابر perturbation‌های عدوآل
  • 68. به‌روزرسانی مدل‌ها با آموزش پیوسته (continual learning) بدون فراموش‌سازی
  • 69. ترکیب مدل‌های generative با سیستم‌های AR و VR
  • 70. آیندهynthesizing تصویر: مشاهدات و پژوهش‌های پیش‌رو

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.