در این دوره، شما از PyTorch برای کشف طبقه بندی تصویر، تشخیص اشیا، تقسیم بندی و تولید تصویر استفاده خواهید کرد. شما با هر دو مدل طبقه‌بندی تصویر باینری و چند کلاسه کار خواهید کرد، از مدل‌های از پیش آموزش‌دیده برای کارهای یادگیری عمیق استفاده می‌کنید، و در تشخیص اشیا با جعبه‌های مرزی استاد خواهید شد. علاوه بر این، با کاربردهای دنیای واقعی، به بخش بندی تصویر، از جمله انواع معنایی، نمونه، و پانوپتیک خواهید پرداخت. در نهایت، شبکه‌های متخاصم مولد (GAN) را بررسی می‌کنید و ارزیابی کیفیت و تنوع تصاویر تولید شده را یاد می‌گیرید.

با PyTorch سفری هیجان انگیز به سمت یادگیری عمیق متن را آغاز کنید. این دوره شما را با مهارت های مقابله با چالش های مختلف مرتبط با متن مجهز می کند. شما به اصول پردازش متن با رمزگذاری و جاسازی شیرجه خواهید زد. شما مدل های مختلفی از جمله CNN، RNN، GAN و مدل های از پیش آموزش دیده را با استفاده از داده های متنی اعمال خواهید کرد. در نهایت، شما به موضوعات پیشرفته، از جمله تکنیک‌های یادگیری انتقال، مکانیسم‌های توجه، و نحوه محافظت از مدل‌های خود در برابر حملات متخاصم خواهید پرداخت. در پایان این دوره، مهارت‌هایی برای ایجاد مدل‌های یادگیری عمیق قدرتمند برای متن خواهید داشت.

یادگیری عمیق، زمینه‌ای از هوش مصنوعی (AI) است که به سرعت در حال تکامل است که انقلابی در زمینه یادگیری ماشینی ایجاد کرد و پیشرفت‌هایی را در زمینه‌هایی مانند بینایی رایانه، پردازش زبان طبیعی و تشخیص گفتار ممکن کرد. در این دوره، مدل‌های یادگیری عمیق قوی را با PyTorch برای طیف وسیعی از برنامه‌ها، از جمله مدل‌های تصویر و توالی توسعه خواهید داد. شما با معماری‌های شبکه اصلی، مانند شبکه‌های عصبی کانولوشن (CNN) و شبکه‌های عصبی مکرر (RNN)، از جمله شبکه‌های حافظه کوتاه‌مدت (LSTM) و واحدهای بازگشتی دردار (GRU) آشنا خواهید شد.

در LLM ها عمیق تر شوید و کشف کنید که چگونه معماری ترانسفورماتور انقلابی در یادگیری عمیق ایجاد کرده و رونق هوش مصنوعی مولد را فعال کرده است! در این دوره، شما یاد خواهید گرفت که معماری ترانسفورماتور خود را از پایه، جزء به جزء ایجاد کنید. شما یاد خواهید گرفت که چگونه موقعیت های نشانه را رمزگذاری کنید، محاسبات مکانیزم توجه را انجام دهید، و اجزای ترانسفورماتور مدولار بسازید تا کنترل بیشتری بر عملکرد داخلی ترانسفورماتور خود داشته باشید. امروز از صفر به قهرمان LLM بروید!

یادگیری عمیق در همه جا وجود دارد، از دوربین گوشی هوشمند گرفته تا دستیار صوتی یا خودروهای خودران. در این دوره آموزشی، این فناوری قدرتمند را کشف خواهید کرد و یاد خواهید گرفت که چگونه با استفاده از PyTorch، یکی از محبوب ترین کتابخانه های یادگیری عمیق، از آن استفاده کنید. در پایان این دوره، می‌توانید از PyTorch برای حل مشکلات طبقه‌بندی و رگرسیون با استفاده از یادگیری عمیق استفاده کنید.

سفری را برای توانمندسازی ماشین‌ها از طریق یادگیری تقویتی عمیق (DRL) آغاز کنید. این دوره تجربه عملی با الگوریتم های قدرتمند با استفاده از PyTorch و Gymnasium را ارائه می دهد. با پایه های DRL و یادگیری تقویتی سنتی شروع کنید، سپس Deep Q-Networks (DQN) را با اصلاحات پیشرفته مانند تکرار تجربه اولویت دار پیاده سازی کنید. قبل از بهینه‌سازی مدل‌های خود با استفاده از Optuna، مهارت‌های خود را با روش‌های مبتنی بر سیاست ارتقا دهید و الگوریتم‌های استاندارد صنعتی مانند بهینه‌سازی سیاست پروگزیمال (PPO) را بررسی کنید.