پی سی دانلود - آموزش-شبکه‌های-عصبی

این دوره آموزشی با معرفی PyTorch و چارچوب‌های یادگیری عمیق به طور کلی آغاز می‌شود. در طول دوره، شرکت‌کنندگان درک خواهند کرد که چگونه ترکیب قدرتمند مشتق‌گیری خودکار و محاسبات شفاف بر روی واحدهای پردازش گرافیکی (GPU) به انفجار فعلی تحقیقات یادگیری عمیق کمک کرده است. این ویدئو به شرکت‌کنندگان نشان می‌دهد که چگونه می‌توانند از PyTorch برای پیاده‌سازی و یادگیری یک مدل رگرسیون خطی استفاده کنند؛ این یک گام اساسی برای ساخت شبکه‌های عصبی بسیار پیچیده‌تر است. در نهایت، دوره به شرکت‌کنندگان آموزش می‌دهد که چگونه تمام مؤلفه‌هایی را که PyTorch ارائه می‌دهد، ترکیب کنند تا یک پرسپترون چندلایه پیش‌خور ساده بسازند. این دوره به گونه‌ای طراحی شده است که دانشجویان را گام به گام با مفاهیم کلیدی و کاربردهای عملی PyTorch آشنا کند. از مبانی تئوری گرفته تا پیاده‌سازی عملی مدل‌ها، تمام جنبه‌های لازم برای شروع کار با PyTorch پوشش داده می‌شود. هدف این است که دانشجویان پس از اتمام دوره، توانایی طراحی، پیاده‌سازی و آموزش مدل‌های یادگیری عمیق را با استفاده از این چارچوب قدرتمند داشته باشند. این دوره برای کسانی که به دنبال ورود به دنیای یادگیری عمیق و کار با یکی از محبوب‌ترین چارچوب‌های موجود هستند، بسیار مفید خواهد بود.
در دوره آموزشی Up and Running with PyTorch با چارچوب PyTorch و نحوه ساخت مدل‌های یادگیری عمیق آشنا خواهید شد.

این دوره برای یادگیرندگانی طراحی شده است که به دنبال مسیری جدی و ساختاریافته برای ورود به حوزه هوش مصنوعی هستند. فرقی نمی‌کند پیش‌زمینه مهندسی، برنامه‌نویسی، تحلیل داده داشته باشید یا حتی از ابتدا شروع می‌کنید؛ در این دوره همه چیز به صورت عملی و گام به گام ارائه شده است. آموزش با مفاهیم ریاضی پایه و پایتون مقدماتی آغاز می‌شود، بنابراین اگر مدتی است از جبر خطی یا احتمال استفاده نکرده‌اید، جای نگرانی نیست. توضیحات واضحی در مورد ریاضیات پشت الگوریتم‌ها و پیاده‌سازی آن‌ها با پایتون ارائه می‌شود که می‌توانید مستقیماً آن‌ها را اجرا، تغییر و از آن‌ها یاد بگیرید. شما با کد واقعی کار خواهید کرد، وظایف را به صورت بصری حل خواهید کرد و دلیل کارکرد هر روش را درک خواهید کرد، نه فقط نحوه استفاده از آن را. در این دوره از ترکیب پایتون، PyTorch، جولیا (Julia) و نوت‌بوک‌های Colab در موارد مناسب استفاده می‌شود. این دوره مفصل، فنی و به گونه‌ای طراحی شده است که اطمینان حاصل شود شما با درکی عمیق از هوش مصنوعی آن را به پایان می‌رسانید.
در دوره آموزشی Artificial Intelligence Masterclass با مبانی و کاربردهای هوش مصنوعی آشنا خواهید شد.

این دوره برای افرادی طراحی شده است که قصد دارند توسعه راهکارهای یادگیری عمیق را آغاز کنند، اما نمی‌خواهند زمان زیادی را صرف مباحث ریاضی و تئوری کنند. همچنین، برای کسانی که مایل به انجام پروژه‌های یادگیری عمیق هستند اما از درگیر شدن با وظایف برنامه‌نویسی طاقت‌فرسا دوری می‌کنند، این دوره بسیار مناسب است. اگر به دنبال فرآیندی خودکار برای توسعه راهکارهای یادگیری عمیق هستید، این دوره دقیقاً برای شماست! به دوره "یادگیری عمیق در عمل" خوش آمدید، بدون دردسر! دوره‌های آموزشی و آموزش‌های فراوانی در زمینه یادگیری عمیق وجود دارد. با این حال، یافتن برخی مهارت‌های عملی در این حجم عظیم از منابع یادگیری عمیق چالش‌برانگیز است و افراد برای کسب این مهارت‌های عملی زمان زیادی را صرف می‌کنند. این دوره این خلأ را پر می‌کند و مجموعه‌ای از سخنرانی‌های عملی همراه با پروژه‌های کاربردی را ارائه می‌دهد که از طریق آن‌ها بهترین شیوه‌هایی که متخصصان یادگیری عمیق برای انجام پروژه‌های خود باید بدانند، معرفی می‌شود.
در دوره آموزشی Deep Learning in Practice I: Tensorflow Basics and Datasets با مبانی توسعه راه‌حل‌های یادگیری عمیق با تمرکز بر تنسورفلو و طراحی مجموعه داده آشنا خواهید شد.

تنسورفلو (TensorFlow) یک کتابخانهٔ نرم‌افزاری متن‌باز برای یادگیری ماشین در انواع مختلف وظایف مفهومی و زبان است که در حال حاضر توسط ۵۰ تیم تحقیقاتی و محصولات مختلف گوگل از جمله بازشناسی گفتار، جی‌میل، گوگل فوتوز و جستجو که بسیاری از آن‌ها سابقاً از دیست‌بلیف استفاده کرده بودند، استفاده می‌شود. تنسورفلو در آغاز توسط تیم گوگل برین مرکز تحقیقاتی گوگل به صورت داخلی استفاده می‌شد ولی بعدها در ۹ نوامبر ۲۰۱۵ تحت مجوز آپاچی منتشر شد. TensorFlow نرم افزار یادگیری ماشینی گوگل است. گوگل همچنین از TensorFlow برای توسعه پروژه Magenta هم بهره گرفته که هدف ارتقای هنر ماشینی را دنبال می کند. در همین راستا گوگل یک ملودی 90 ثانیه ای پیانو منتشر کرده که کاملا توسط یک شبکه عصبی ساخته شده است. این موضوع تقریبا تصوری از کارهایی که TensorFlow قادر به انجامشان هست را برای کاربران ایجاد می کند.
در دوره آموزشی A Complete Guide on TensorFlow 2.0 using Keras API با آموزش کامل تنسورفالو 2.0 اشنا خواهید شد.

کراس (Keras) یک کتابخانهٔ متن‌باز شبکه عصبی است که به زبان پایتون نوشته شده است و قابل است که بر روی تنسورفلو یا ثینو قابل اجرا است. این نرم‌افزار به منظور آزمایش کردن سریع یادگیری عمیق طراحی شده است و در طراحی آن بر روی کوچک، ماژولار و قابل گسترش بودن توجه شده است. یادگیری عمیق (Deep learning) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل می‌کنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگی‌ها در لایه‌های مدل است. یک نمونه آموزشی (برای نمونه: تصویر یک گربه) می‌تواند به صورت‌های گوناگون بسان یک بردار ریاضی پر شده از مقدار به ازای هر پیکسل و در دید کلی تر به شکل یک مجموعه از زیرشکل‌های کوچک‌تر (نظیر اعضای صورت گربه) مدل سازی شود.
در دوره آموزشی Applied Deep Learning with Keras با آموزش یادگیری عمیق با کراس اشنا خواهید شد.