به دوره آموزشی مقدمهای بر پایتورچ خوش آمدید.
در این دوره، شما با یکی از قدرتمندترین ابزارهای یادگیری عمیق آشنا خواهید شد. پایتورچ، فریمورکی محبوب و انعطافپذیر است که به شما امکان میدهد مدلهای یادگیری عمیق پیچیده را بهراحتی طراحی و اجرا کنید.
چرا پایتورچ؟
یادگیری آسان: پایتورچ از زبان برنامهنویسی محبوب و شناختهشده پایتون استفاده میکند. به همین دلیل، یادگیری آن برای کسانی که با پایتون آشنایی دارند، بسیار آسان خواهد بود.
انعطافپذیری بالا: پایتورچ ابزاری بسیار انعطافپذیر است که به شما امکان میدهد مدلهای یادگیری عمیق را به روشهای مختلف طراحی و اجرا کنید.
قدرت: پایتورچ از قدرت پردازش GPUها پشتیبانی میکند و به شما امکان میدهد مدلهای یادگیری عمیق را بهسرعت اجرا کنید.
جامعه بزرگ: پایتورچ از جامعهای بزرگ و فعال از توسعهدهندگان و کاربران برخوردار است که میتوانند در حل مشکلات شما به شما کمک کنند.
در این دوره چه چیزهایی خواهید آموخت؟
در این دوره، شما با مبانی پایتورچ آشنا خواهید شد و موارد زیر را خواهید آموخت:
- مدلهای یادگیری عمیق را با پایتورچ طراحی و اجرا کنید.
- از GPUها برای تسریع در اجرای مدلهای خود استفاده کنید.
- از کتابخانههای مختلف پایتورچ برای انجام پردازش تصویر در یادگیری عمیق استفاده کنید.
- مدلهای خود را برای پیشبینیهای واقعی به کار ببرید.
این دوره برای چه کسانی مناسب است؟
این دوره برای طیف وسیعی از افراد، از جمله موارد زیر مفید خواهد بود:
- دانشجویان و فارغالتحصیلان رشتههای علوم کامپیوتر.
- متخصصان داده و هوش مصنوعی.
- هر کسی که به یادگیری عمیق و پایتورچ علاقهمند است.
پیشنیازهای این دوره:
- آشنایی با زبان برنامهنویسی پایتون
- آشنایی با مبانی یادگیری عمیق و شبکههای عصبی
محتوای دوره
فصل اول: مقدمهای بر پایتورچ
- تنسورها
- داده
- مدل
- آموزش یک مدل ساده MLP برای پردازش تصویر
- ذخیره و بازیابی مدل
- استفاده از مدل آموزشدیده
فصل دوم: بینایی ماشین (پردازش تصویر) با پایتورچ
- آموزش شبکه MLP بر روی یک دیتاست جدید
- طراحی، پیادهسازی و اجرای شبکه عصبی کانولوشن CNN چندلایه برای دیتاست CIFAR-10
- یادگیری انتقالی و استفاده از تنظیم دقیق مدل قدرتمند VGG-16 و بررسی اجمالی مدل Res-Net
- پیادهسازی مدل سبک Mobile-Net برای طبقهبندی تصاویر دیتاست Cats and Dogs
پس از گذراندن این دوره، شما قادر خواهید بود:
- مدلهای یادگیری عمیق پیچیده برای طبقهبندی تصاویر با پایتورچ را طراحی و اجرا کنید.
- همچنین میتوانید از مدلهای پیش آموزشدیده بزرگ برای این کار استفاده نمایید.
- از GPUها برای تسریع در اجرای مدلهای خود استفاده کنید.
- مدلهای خود را برای پیشبینیهای واقعی به کار ببرید.
کیوان محمودی از سال 1399 دانشجوی دکتری مهندسی کامپیوتر گرایش نرمافزار در دانشگاه تهران است. مقطع کارشناسی را در رشته مهندسی کامپیوتر گرایش نرمافزار در دانشگاه ارومیه و کارشناسی ارشد را در رشته مهندسی فناوری اطلاعات گرایش شبکههای کامپیوتری گذرانده است. حوزه تخصصی ایشان پردازش زبانهای طبیعی یا NLP است. آشنایی با مدلهای زبانی بزرگ LLMs، یادگیری ماشین، یادگیری عمیق و شبکههای عصبی، هوش مصنوعی تولید کننده Generative AI، سیستمهای گفتگو و چت باتها، انواع زبانهای برنامهنویسی از جمله زبان پایتون از دیگر تخصصهای ایشان است. طراحی وب سایت با فریمورکهایی مانند جنگو و یا سیستمهای مدیریت محتوا مانند وردپرس از دیگر فعالیتهای ایشان است.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.