آموزش مقدمه‌ای بر پایتورچ

poster
پیش‌نمایش دوره

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 ... ادامه

برگزارکننده:  مکتب‌خونه  مکتب‌خونه
مدرس دوره:
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذراندن دوره:  5 ساعت
مجموع محتوای آموزشی:  5 ساعت ویدئو
 (قابل دانلود می‌باشد)

آنچه در این دوره می‌آموزیم:

 طراحی و اجرای مدل‌های یادگیری عمیق با پایتورچ

 استفاده از کتابخانه‌های مختلف پایتورچ برای انجام پردازش تصویر در یادگیری عمیق

 استفاده از GPU‌ها برای تسریع در اجرای مدل‌های مختلف

 آشنایی و به کارگیری انواع مدل های شبکه عصبی و دیتاست‌های معروف در حوزه پردازش تصویر

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

سرفصل‌های دوره آموزش مقدمه‌ای بر پایتورچ

معرفی پایتورچ
  تنسورها - بخش اول
مشاهده
"20:07  
  تنسورها - بخش دوم
مشاهده
"21:24  
  داده
"25:20  
  مدل
"16:40  
  Autograd
"25:36  
  آموزش و تست مدل
"11:03  
  استنتاج Inference
"08:29  
  مرور بر این فصل
"10:56  
بینایی ماشین (پردازش تصویر) با پایتورچ
  داده‌های تصویر
مشاهده
"16:42  
  آموزش و تست یک شبکه عصبی عمیق - بخش اول
"21:49  
  آموزش و تست یک شبکه عصبی عمیق - بخش دوم
"22:46  
  شبکه عصبی کانولوشنال Convolutional Neural Network (CNN)
"26:38  
  شبکه عصبی کانولوشنال چند لایه و شبکه Le-Net
"25:19  
  یادگیری انتقالی، VGG-16 ، ResNet - بخش اول
"15:43  
  یادگیری انتقالی، VGG-16 ، ResNet - بخش دوم
"14:04  
  موبایل نت MobileNet
"26:30  

درباره دوره

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.

درباره استاد

maktabkhooneh-teacher کیوان محمودی

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.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.
poster
پیش‌نمایش دوره
  
برگزار کننده:  مکتب‌خونه
  
زمان مورد نیاز برای گذراندن دوره:  5 ساعت
مجموع محتوای آموزشی:  5 ساعت ویدئو
 (قابل دانلود می‌باشد)