Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-2 of 2 items.

coursera ساخت شبکه های متخاصم مولد اولیه (GAN) (Mitalearn-332245)

  • 2 hours 27 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sharon Zhou,Eda Zhou,Eric Zelikman
درباره این دوره:

در این دوره، شما: - در مورد GAN ها و کاربردهای آنها بیاموزید - درک شهود پشت اجزای اساسی GAN ها - کاوش و پیاده سازی چندین معماری GAN - ساخت GAN های شرطی که قادر به تولید نمونه هایی از دسته های تعیین شده هستند تخصص شبکه‌های متخاصم مولد (GAN) DeepLearning.AI مقدمه‌ای هیجان‌انگیز برای تولید تصویر با GAN‌ها فراهم می‌کند و مسیری را از مفاهیم پایه به تکنیک‌های پیشرفته از طریق یک رویکرد آسان برای درک ترسیم می‌کند. همچنین پیامدهای اجتماعی، از جمله سوگیری در ML و راه های تشخیص آن، حفظ حریم خصوصی و موارد دیگر را پوشش می دهد. ایجاد یک پایگاه دانش جامع و کسب تجربه عملی در GAN. مدل خود را با استفاده از PyTorch آموزش دهید، از آن برای ایجاد تصاویر و ارزیابی انواع GAN های پیشرفته استفاده کنید. این تخصص مسیری قابل دسترس برای همه سطوح یادگیرندگانی که به دنبال نفوذ به فضای GAN یا استفاده از GAN در پروژه های خود هستند، حتی بدون آشنایی قبلی با تحقیقات پیشرفته ریاضی و یادگیری ماشین، فراهم می کند.

linkedin مقدمه ای بر مهندسی سریع برای هوش مصنوعی مولد (Mitalearn-277845)

  • 44 minutes
  • مناسب همه
  • Release date: 15 March 2023
  • Author: Ronnie Sheer
درباره این دوره: 

 

اگر مبتدی هستید که به دنبال یادگیری بیشتر در مورد قابلیت‌های پردازش زبان طبیعی (NLP) هستید یا توسعه‌دهنده‌ای هستید که می‌خواهد با APIهای NLP مدرن شروع به کار کند، این دوره مقدمه‌ای عالی ارائه می‌دهد. رونی شیر، توسعه‌دهنده و مربی نرم‌افزار، شما را راهنمایی می‌کند که مدل‌های زبان بزرگ چیست و چه مشکلاتی را می‌توانند حل کنند. رونی به تولید متن می پردازد، با یک هشدار برای استفاده مسئولانه از هوش مصنوعی تولید متن شروع می کند، سپس با یادگیری چند شات به Chat GPT، GPT-3 و J1 می رود. او شما را با چشم انداز تصویر تولید شده توسط هوش مصنوعی آشنا می کند، سپس نحوه استفاده از Dall-E و Midjourney را به شما نشان می دهد. به‌علاوه، رونی چند مفهوم پیشرفته را بررسی می‌کند، مانند نحوه تنظیم دقیق درخواست‌های خود و نحوه تعامل با مدل‌های زبان با استفاده از یک API.


Suggestions