Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-11 of 11 items.

linkedin آموزش انتقال تصاویر با استفاده از PyTorch: Essential Training (Mitalearn-183546)

  • 58 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

PyTorch پس از معرفی خود در سال 2017 به سرعت به ابزار انتخابی بسیاری از محققان یادگیری عمیق تبدیل شد. در این دوره، جاناتان فرناندز به شما نشان می‌دهد که چگونه از این چارچوب یادگیری ماشینی محبوب برای تکنیکی مشابه استفاده کنید: یادگیری انتقال. جاناتان با استفاده از یک رویکرد عملی، اصول یادگیری انتقالی را توضیح می‌دهد، که به شما امکان می‌دهد از پارامترهای از پیش آموزش‌دیده‌شده یک مدل یادگیری عمیق موجود برای کارهای دیگر استفاده کنید. سپس نحوه پیاده‌سازی یادگیری انتقال برای تصاویر را با استفاده از PyTorch نشان می‌دهد، از جمله نحوه ایجاد یک استخراج کننده ویژگی ثابت و فریز کردن لایه‌های شبکه عصبی. به علاوه، در مورد استفاده از نرخ های یادگیری و نرخ های یادگیری متفاوت اطلاعات کسب کنید.

linkedin آموزش ضروری Pytorch: یادگیری عمیق (Mitalearn-433803)

  • 1 hours 21 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Terezija Semenski
درباره این دوره:

Pytorch انعطاف پذیرترین و بیانگر ترین کتابخانه برای یادگیری عمیق است و API ساده Python ، پشتیبانی GPU و انعطاف پذیری را ارائه می دهد. این طراحی شده است تا داده ها را بارگیری کند ، از Transforms استفاده کند و مدل های یادگیری عمیق را فقط با چند خط کد بسازد. بسیاری از توسعه دهندگان و محققان یادگیری ماشین از Pytorch برای تسریع در تحقیقات عمیق یادگیری ، آزمایش و نمونه سازی استفاده می کنند. در این دوره ، توسعه دهنده نرم افزار Terezija Semenski ویژگی های مهم Pytorch را با یک رویکرد مفید به شما می آموزد تا به شما در توسعه مهارت های مورد نیاز برای شیرجه زدن به پروژه های یادگیری عمیق خود کمک کند.

این دوره شامل چالش های کد است که توسط CoderPad تهیه شده است. چالش های کد تمرینات برنامه نویسی تعاملی با بازخورد در زمان واقعی است ، بنابراین می توانید برای پیشبرد مهارت های برنامه نویسی خود ، در کنار محتوای دوره ، تمرین کدگذاری دستی را انجام دهید.

linkedin آموزش ضروری PyTorch: یادگیری عمیق (2019) (Mitalearn-183529)

  • 56 minutes
  • متوسط
  • Release date: 3 October 2019
  • Author: Jonathan Fernandes
درباره این دوره: 

 PyTorch به سرعت در حال تبدیل شدن به یکی از محبوب ترین فریم ورک های یادگیری عمیق در سراسر جهان است، و همچنین به یک مهارت ضروری در کیت ابزار هوش مصنوعی شما تبدیل می شود. به دلیل ادغام عمیق آن با پایتون، تحسین رهبران صنعت را به دست آورده است. ادغام آن با پلتفرم های ابری برتر، از جمله Amazon SageMaker و Google Cloud Platform. و نمودارهای محاسباتی آن که می توان در پرواز تعریف کرد. در این دوره، به جاناتان فرناندز بپیوندید تا به اصول یادگیری عمیق با استفاده از PyTorch بپردازد. با شروع با یک مدل تشخیص تصویر کارآمد، او نشان می‌دهد که چگونه اجزای مختلف در پشت سر هم قرار می‌گیرند و کار می‌کنند - از تانسورها، توابع از دست دادن، و خودکار تا عیب‌یابی شبکه PyTorch.

datacamp آموزش عمیق برای تصاویر با PyTorch (Mitalearn-400449)

  • 1 hours 2 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Michał Oleszak
درباره این دوره:

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.

datacamp آموزش عمیق برای متن با PyTorch (Mitalearn-402268)

  • 1 hours 16 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Shubham Jain
درباره این دوره:

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.

datacamp آموزش عمیق متوسط ​​با PyTorch (Mitalearn-400908)

  • 55 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Michał Oleszak
درباره این دوره:

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.

linkedin کارگاه هوش مصنوعی: ساخت یک شبکه عصبی با PyTorch Lightning (2023) (Mitalearn-442575)

  • 1 hours 30 minutes
  • مناسب همه
  • Release date: 8 December 2023
  • Author: Janani Ravi
درباره این دوره: 

 

اگر به دنبال تمرین عملی هوش مصنوعی هستید، این دوره کدنویسی به سبک کارگاهی برای شما طراحی شده است. به مربی Janani Ravi بپیوندید تا به شما نحوه ایجاد یک شبکه عصبی با PyTorch Lightning را نشان دهد، کتابخانه منبع باز پایتون که یک رابط برای چارچوب یادگیری عمیق محبوب PyTorch ارائه می دهد. اجزای اصلی ساخت یک شبکه عصبی با PyTorch، از جمله راه اندازی محیط مجازی، بارگیری و کاوش داده ها، پیش پردازش داده ها برای آموزش، ایجاد و آموزش یک شبکه عصبی ساده، راه اندازی Dataset و DataLoader، تجسم تلفات و موارد دیگر را کاوش کنید. در طول مسیر، جانانی اصول استفاده از ماژول ها در PyTorch Lightning را برای ساخت، آموزش و ارزیابی هر دو مدل رگرسیون و طبقه بندی پوشش می دهد.

این دوره توسط Loonycorn ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.


datacamp مدل های ترانسفورماتور با PyTorch (Mitalearn-447726)

  • 26 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: James Chapman
درباره این دوره:

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!

datacamp مقدمه ای بر یادگیری عمیق با PyTorch (Mitalearn-399021)

  • 58 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Jasmin Ludolf,Thomas Hossler
درباره این دوره:

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.

coursera مقدمه ای بر یادگیری ماشینی (Mitalearn-332313)

  • 10 hours 24 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Lawrence Carin ,David Carlson,Timothy Dunn
درباره این دوره:

این دوره یک درک اساسی از مدل های یادگیری ماشین (رگرسیون لجستیک، پرسپترون های چندلایه، شبکه های عصبی کانولوشن، پردازش زبان طبیعی و غیره) ارائه می دهد و نشان می دهد که چگونه می توانند مشکلات پیچیده در صنایع مختلف، از تشخیص پزشکی گرفته تا تشخیص تصویر تا پیش بینی متن را حل کنند. از طریق تمرین‌های عملی، این مدل‌های علم داده را بر روی مجموعه داده‌ها پیاده‌سازی خواهید کرد و در الگوریتم‌های یادگیری ماشین با PyTorch که توسط شرکت‌های فناوری پیشرو مانند Google و NVIDIA استفاده می‌شود، مهارت کسب خواهید کرد.

datacamp یادگیری تقویتی عمیق در پایتون (Mitalearn-403067)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Timothée Carayol
درباره این دوره:

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.

Suggestions