Oreilly – Deep Learning with JAX, Video Edition 2024-11

توضیحات

دوره Deep Learning with JAX, Video Edition. این دوره آموزشی به شرکت‌کنندگان می‌آموزد که چگونه با استفاده از کتابخانه JAX گوگل، محاسبات عددی پرسرعت و یادگیری عمیق را شتاب بخشند. کتابخانه JAX با رفع چالش‌های عملکردی اساسی در قلب یادگیری عمیق و محاسبات علمی، با ترکیب پلتفرم جبر خطی شتاب‌یافته گوگل و یک نسخه بهینه‌شده از NumPy، افزایش چشمگیری در عملکرد و تبدیل‌های سطح پایین ارائه می‌دهد. این دوره به عنوان یک راهنمای عملی، درک مفاهیم JAX را از طریق مثال‌های ملموس توسط متخصص گوگل، گریگوری ساپونوف، پایه‌ریزی می‌کند. JAX با ارائه کنترل دقیق بر فرآیندهایی مانند محاسبات گرادیان، آموزش و استنتاج مدل‌ها را به ویژه روی مجموعه‌داده‌های بزرگ، سریع و کارآمد می‌سازد و رویکرد پژوهشگران را متحول کرده است. با یک اکوسیستم قوی، این کتابخانه محاسبات تکاملی، یادگیری فدرال و سایر وظایف حساس به عملکرد را ممکن می‌سازد. در طول این دوره، شرکت‌کنندگان با ساخت یک طبقه‌بندی‌کننده تصویر، یک برنامه فیلتر تصویر و پروژه‌های کاربردی دیگر، یاد می‌گیرند که چگونه ویژگی‌های منحصر به فرد JAX مانند برنامه‌نویسی تابعی به حل چالش‌های عملکردی مانند توزیع محاسبات روی خوشه‌ای از واحدهای پردازش تنسور کمک می‌کند. همچنین آن‌ها استفاده از اکوسیستم JAX شامل کتابخانه‌های سطح بالا و همچنین ادغام آن با TensorFlow و PyTorch برای بارگذاری داده و استقرار را خواهند آموخت.

آنچه فرا خواهید گرفت

• استفاده از JAX برای محاسبات عددی.
• ساخت مدل‌های قابل تمایز (Differentiable Models) با پریمیتیوهای JAX (JAX Primitives).
• اجرای محاسبات توزیع‌شده و موازی‌شده (Parallelized Computations) با JAX.
• استفاده از کتابخانه‌های شبکه عصبی سطح بالا مانند Flax.
• استفاده بهینه از کتابخانه‌ها و ماژول‌ها از اکوسیستم JAX.
• نحوه ساخت شبکه‌های عصبی مؤثر با JAX.

این دوره مناسب افرادیست که

• برنامه‌نویسان Python در سطح متوسط که با یادگیری عمیق آشنایی دارند.

مشخصات دوره Deep Learning with JAX, Video Edition

• ناشر: Oreilly
• مدرس: Grigory Sapunov
• سطح آموزش: مبتدی تا پیشرفته
• مدت زمان آموزش: 10 ساعت و 58 دقیقه

سرفصل های دوره

تصاویر دوره