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.

از آنجایی که چشم انداز هوش مصنوعی به طور مداوم در حال تکامل است، درک جنبه های اساسی و در حال ظهور یادگیری عمیق برای حرفه ای هایی که به دنبال پیشرفت در زمینه های مرتبط با فناوری هستند بسیار مهم می شود. این دوره با ارائه بینش های به روز در مورد چگونگی استفاده از قدرت برنامه های کاربردی TensorFlow به پر کردن این شکاف کمک می کند. جدیدترین ویژگی‌ها و بهترین شیوه‌های TensorFlow را با برنامه‌های کاربردی و نمونه‌های واقعی کشف کنید. در طول مسیر، مربی Isil Berkun شما را با مفاهیم مولد هوش مصنوعی آشنا می کند تا الهام بخش کاوش و یادگیری بیشتر باشد. در پایان این دوره، شما در پیاده‌سازی مدل‌های یادگیری عمیق با TensorFlow مهارت خواهید داشت.

این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابر فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به هیچ گونه تنظیمات ماشین محلی ارائه می‌کند، یکپارچه شده است. با استفاده از GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از ابزاری استفاده کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، فصل "غواصی در فضاهای کد" را بررسی کنید.

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.

یادگیری عمیق و تشخیص تصویر در همه جا ، از باز کردن تلفن ها گرفته تا برچسب زدن دوستان در عکس ها است. یادگیری چگونگی کار برای هر کسی که امروز در فناوری کار می کند بسیار مهم است ، به خصوص اگر می خواهید از منحنی جلو بمانید ، مهارت های خود را تیز کنید و برای نوآوری آماده شوید. به مربی Isil Berkun بپیوندید زیرا او به شما نشان می دهد که چگونه رایانه ها تصاویر را تشخیص دهند ، چگونه تصاویر را برای هوش مصنوعی تهیه کنند ، و چگونه می توانند سیستم هایی را بسازند که می تواند بگوید چه کسی است. در طول راه ، در مورد اینکه چه چیزی از آن جلوگیری کنید و در صورت بروز مشکلات مشترک چه کاری باید انجام دهید ، بیاموزید. در پایان این دوره ، شما آماده خواهید بود تا مدل های تشخیص تصویر را بسازید و شروع به کاوش در چگونگی خلاقیت هوش مصنوعی با تصاویر کنید. با استفاده از برنامه های GitHub ، می توانید از هر دستگاهی ، در هر زمان و در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، از هر دستگاهی استفاده کنید. برای یادگیری نحوه شروع کار ، از فیلم "استفاده از CodeSpaces GitHub با این دوره" دیدن کنید.