یادگیری عمیق نوعی از یادگیری ماشینه. مدلهای یادگیری عمیق میتونن الگوهای پیچیده رو در تصاویر، متن، صدا و انواع دیگه داده تشخیص بدن و بینشها و پیشبینیهای دقیقی ارائه بدن. هدف یادگیری عمیق اینه که به ماشین یاد بدیم به روشی شبیه مغز انسان فکر کنه.
دوره
مقدمهای بر یادگیری عمیق با PyTorch
یاد بگیرید چطور اولین شبکه عصبی خودتون رو بسازید، هایپرپارامترها رو تنظیم کنید و با مسائل طبقهبندی و رگرسیون در PyTorch دست و پنجه نرم کنید.
کاربرهای فینکا در چه شرکتهایی مشغول به کار هستند؟
توضیحات دوره
یادگیری عمیق همهجا هست، از دوربینهای گوشی هوشمند گرفته تا دستیارهای صوتی و ماشینهای خودران. در این دوره، با این تکنولوژی قدرتمند آشنا میشید و یاد میگیرید چطور با استفاده از PyTorch، که یکی از محبوبترین کتابخانههای یادگیری عمیقه، از یادگیری عمیق بهره ببرید. در پایان این دوره، میتونید از PyTorch برای حل مسائل طبقهبندی و رگرسیون با استفاده از یادگیری عمیق استفاده کنید.
همونیه که میخواید یاد بگیرید؟
- 1
توابع فعالسازی رو برای ایجاد غیرخطیبودن در مدلها به کار ببرید.
- 2
تنسورها رو بهعنوان پایه مدلهای PyTorch بسازید و بررسی کنید.
- 3
لایههای شبکه عصبی رو بسازید و به هم متصل کنید.
- 4
مراحل بهینهسازی، زمانبندی و کارهای لازم برای مدیریت حلقه آموزش رو پیادهسازی کنید.
- 5
حالتهای مدل، ذخیرهسازی اون و بررسی پارامترها رو مدیریت کنید.
1
شروع رایگان
خودروهای خودران، گوشیهای هوشمند، موتورهای جستوجو... یادگیری عمیق حالا همهجا حضور داره. قبل از اینکه ساخت مدلهای پیچیده رو شروع کنید، با PyTorch، یکی از فریمورکهای یادگیری عمیق، آشنا میشید. یاد میگیرید چطور تنسورها رو تغییر بدید، ساختارهای داده PyTorch رو بسازید و اولین شبکه عصبی خودتون رو با استفاده از لایههای خطی در PyTorch ایجاد کنید.
2
برای آموزش یک شبکه عصبی در PyTorch، اول باید با اجزای بیشتری مثل تابعهای فعالسازی و تابعهای زیان آشنا بشید. بعد یاد میگیرید که آموزش شبکه به حداقل رساندن تابع زیان نیاز داره و این کار با محاسبه گرادیانها انجام میشه. همچنین یاد میگیرید چطور از این گرادیانها برای بهروزرسانی پارامترهای مدلتون استفاده کنید.
3
حالا که با اجزای اصلی یک شبکه عصبی آشنا شدید، با استفاده از یک حلقه آموزش شبکه رو آموزش میدید. مشکلات احتمالی مثل محوشدن گرادیانها رو بررسی میکنید و با راهکارهایی برای برطرف کردن اونها آشنا میشید؛ مثل استفاده از تابعهای فعالسازی جایگزین و تنظیم نرخ یادگیری و تکانه.
4
آموزش یک مدل یادگیری عمیق یه هنره و برای اینکه مطمئن بشیم مدلمون درست آموزش میبینه، باید هنگام آموزش بعضی معیارها مثل مقدار زیان یا دقت رو بررسی کنیم. در این بخش، یاد میگیرید چطور این معیارها رو محاسبه کنید و چطور بیشبرازش رو کاهش بدید.
گواهی پایان دوره
- تأیید مهارت شما
با تکمیل این دوره، شما یک گواهی معتبر دریافت میکنید که بیانگر کسب مهارتهای لازم مرتبط با این دوره آموزشی است.
- اعتبار و اصالت گواهی
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم میکند.
- اشتراکگذاری
میتوانید گواهیهای خود را بهراحتی در شبکههای حرفهای مانند لینکدین با دیگران به اشتراک بگذارید.
پیش نیازهای دوره
منابع
Water Potability
Face Mask Dataset
توضیحات دوره
یادگیری عمیق همهجا هست، از دوربینهای گوشی هوشمند گرفته تا دستیارهای صوتی و ماشینهای خودران. در این دوره، با این تکنولوژی قدرتمند آشنا میشید و یاد میگیرید چطور با استفاده از PyTorch، که یکی از محبوبترین کتابخانههای یادگیری عمیقه، از یادگیری عمیق بهره ببرید. در پایان این دوره، میتونید از PyTorch برای حل مسائل طبقهبندی و رگرسیون با استفاده از یادگیری عمیق استفاده کنید.
همونیه که میخواید یاد بگیرید؟
- 1
توابع فعالسازی رو برای ایجاد غیرخطیبودن در مدلها به کار ببرید.
- 2
تنسورها رو بهعنوان پایه مدلهای PyTorch بسازید و بررسی کنید.
- 3
لایههای شبکه عصبی رو بسازید و به هم متصل کنید.
- 4
مراحل بهینهسازی، زمانبندی و کارهای لازم برای مدیریت حلقه آموزش رو پیادهسازی کنید.
- 5
حالتهای مدل، ذخیرهسازی اون و بررسی پارامترها رو مدیریت کنید.
1
شروع رایگان
خودروهای خودران، گوشیهای هوشمند، موتورهای جستوجو... یادگیری عمیق حالا همهجا حضور داره. قبل از اینکه ساخت مدلهای پیچیده رو شروع کنید، با PyTorch، یکی از فریمورکهای یادگیری عمیق، آشنا میشید. یاد میگیرید چطور تنسورها رو تغییر بدید، ساختارهای داده PyTorch رو بسازید و اولین شبکه عصبی خودتون رو با استفاده از لایههای خطی در PyTorch ایجاد کنید.
2
برای آموزش یک شبکه عصبی در PyTorch، اول باید با اجزای بیشتری مثل تابعهای فعالسازی و تابعهای زیان آشنا بشید. بعد یاد میگیرید که آموزش شبکه به حداقل رساندن تابع زیان نیاز داره و این کار با محاسبه گرادیانها انجام میشه. همچنین یاد میگیرید چطور از این گرادیانها برای بهروزرسانی پارامترهای مدلتون استفاده کنید.
3
حالا که با اجزای اصلی یک شبکه عصبی آشنا شدید، با استفاده از یک حلقه آموزش شبکه رو آموزش میدید. مشکلات احتمالی مثل محوشدن گرادیانها رو بررسی میکنید و با راهکارهایی برای برطرف کردن اونها آشنا میشید؛ مثل استفاده از تابعهای فعالسازی جایگزین و تنظیم نرخ یادگیری و تکانه.
4
آموزش یک مدل یادگیری عمیق یه هنره و برای اینکه مطمئن بشیم مدلمون درست آموزش میبینه، باید هنگام آموزش بعضی معیارها مثل مقدار زیان یا دقت رو بررسی کنیم. در این بخش، یاد میگیرید چطور این معیارها رو محاسبه کنید و چطور بیشبرازش رو کاهش بدید.
گواهی پایان دوره
- تأیید مهارت شما
با تکمیل این دوره، شما یک گواهی معتبر دریافت میکنید که بیانگر کسب مهارتهای لازم مرتبط با این دوره آموزشی است.
- اعتبار و اصالت گواهی
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم میکند.
- اشتراکگذاری
میتوانید گواهیهای خود را بهراحتی در شبکههای حرفهای مانند لینکدین با دیگران به اشتراک بگذارید.
پیش نیازهای دوره
منابع
Water Potability
Face Mask Dataset
سوالات متداول
دریافت اپلیکیشن فینکا
با اپلیکیشن فینکا، به بیشتر دورهها و مسیرها روی موبایل دسترسی دارید، تمرین میکنید و یادگیری رو همزمان روی موبایل و دسکتاپ ادامه میدید.
