اگر به دنبال تمرین AI دستی هستید ، این دوره برنامه نویسی به سبک کارگاه برای شما طراحی شده است. به مربی Janani Ravi بپیوندید زیرا او به شما نشان می دهد که چگونه می توانید شبکه های ژنرال تولیدی عمیق (GANS) را بسازید و آموزش دهید. اجزای اصلی لایه های حلقوی و جمع آوری ، از جمله تنظیم نوت بوک های میزبان Google Colab ، تبدیل تصاویر چند کاناله به تنش ، استفاده از لایه ها و مشاهده جلوه های فیلتر را کاوش کنید. Janani اصول اولیه آموزش یک تبعیض آمیز را به عنوان یک مدل طبقه بندی و آموزش یک GAN حلقوی عمیق مانند یک حرفه ای ، از تنظیم داده ها برای آموزش GAN ، تنظیم ژنراتور و تبعیض آمیز ، و خروجی از یک ژنراتور و تبعیض آمیز برای ایجاد یک حلقه آموزشی ، مشاهده و ارزیابی نتایج و موارد دیگر پوشش می دهد.

 

دنیای جذاب شبکه های عصبی حلقوی (CNN) را کشف کنید و کشف کنید که چگونه آنها در زمینه دید رایانه و یادگیری عمیق انقلابی ایجاد کرده اند. بلوک های ساختمانی CNN ها را درک کرده و با استفاده از پایتون ، با تمرکز بر روی برنامه های دنیای واقعی مانند طبقه بندی تصویر ، تشخیص شی و تقسیم تصویر ، به تمرینات عملی بپردازید. مربی فرد Nwanganga به شما کمک می کند تا در طراحی ، اجرای و بهینه سازی مدل های CNN مهارت لازم را داشته باشید. درک خود را از معماری های پیشرفته مانند VGG NET ، RESNET و کارآمد ، تقویت کنید و نحوه استفاده از مدلهای پیش ساخته را برای دقت و کارآیی افزایش دهید. این دوره که برای دانشمندان داده ، علاقه مندان به یادگیری ماشین و توسعه دهندگان با درک بنیادی از یادگیری عمیق و مهارت های برنامه نویسی پایتون طراحی شده است ، این دوره به شما کمک می کند تا تکنیک های پیشرفته یادگیری ماشین را باز کنید. با استفاده از Codepaces GitHub ، می توانید از هر دستگاه ، در هر زمان ، همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، استفاده کنید. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.