×
ribbon

آموزش مقدمه‌ای بر پایتورچ

مدرس:

کیوان محمودی

به دوره آموزشی مقدمه ای بر پایتورچ خوش آمدید. در این دوره، شما با یکی از قدرتمندترین ابزارهای... بیشتر
گواهی‌نامه
4.4 (8)
4 دیدگاه
517دانشجو
5ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

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

این دوره شامل:

5 ساعت ویدئو

16 فایل ضمیمه قابل دانلود

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

2 فصل16 جلسه5 ساعت ویدیو
معرفی پایتورچ
  تنسورها - بخش اول
20:07
  تنسورها - بخش دوم
10:56
  داده
21:24
  مدل
25:20
  Autograd
16:40
  آموزش و تست مدل
25:36
  استنتاج Inference
11:03
  مرور بر این فصل
08:29
بینایی ماشین (پردازش تصویر) با پایتورچ
  داده‌های تصویر
16:42
  آموزش و تست یک شبکه عصبی عمیق - بخش اول
21:49
  آموزش و تست یک شبکه عصبی عمیق - بخش دوم
14:04
  شبکه عصبی کانولوشنال Convolutional Neural Network (CNN)
22:46
  شبکه عصبی کانولوشنال چند لایه و شبکه Le-Net
26:38
  یادگیری انتقالی، VGG-16 ، ResNet - بخش اول
25:19
  یادگیری انتقالی، VGG-16 ، ResNet - بخش دوم
26:30
  موبایل نت MobileNet
15:43

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.

توضیحات 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.

دیدگاه کاربران

4.4

بر اساس امتیاز 8 دانشجو

1
2
3
4
5

امیرحسین نجف وند دریکوندی

16 روز پیش

5

خوبه

عباس قهرمان

1 سال پیش

5

استاد همه چی رو توضیح میده استاد جان هرچه می تونی زودتر دوره nlp بذار.

ریحانه غفوری پور

1 سال پیش

5

خیلی دوره خوبی هست ممنون فقط قسمت دوم فایل پیوست ارسال نشده و فایل جلسه پیش مجدد آپلود شده!! ممنون میشم بررسی کنید و ویرایش کتید

میثم خلیلی

2 ماه پیش

1

آموزش ضعیف

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
کیوان محمودیمتخصص هوش مصنوعی
2دوره
2,435دانشجو
61نظر و امتیاز

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.

دوره‌های مشابه

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.