توضیحات
Python: Write Your Own Deep Learning Framework From Scratch دوره آموزشی ساخت چارچوب یادگیری عمیق خودتان با استفاده از پایتون خالص می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. این یک دوره عمیق و کاربردی است که با راهنمایی گام به گام شما در ساخت چارچوب یادگیری عمیق خودتان با استفاده از پایتون خالص – بدون تکیه بر کتابخانههای سطح بالا – به شما نحوه کار شبکههای عصبی را آموزش میدهد. شما اصول اولیه تنسورها، مشتقگیری خودکار، نمودارهای محاسباتی، انتشار رو به جلو و عقب، الگوریتمهای بهینهسازی مانند گرادیان نزولی و نحوه عملکرد لایهها و فعالسازیها در مدلهای واقعی را بررسی خواهید کرد. در طول دوره، این مفاهیم را با نوشتن اجزای اصلی مانند عملیات تنسور، توابع زیان، بهینهسازها و آموزشدهندههای مدل از ابتدا به کار خواهید برد و درک کاملی از آنچه در چارچوبهای محبوب مانند TensorFlow و PyTorch اتفاق میافتد، به دست خواهید آورد.
این دوره به شما میآموزد که چگونه یک چارچوب یادگیری عمیق ساده و شبیه به PyTorch را از ابتدا بسازید. این دوره مکانیکهای اصلی تمایز خودکار و انتزاعات شبکه عصبی را پوشش میدهد. در این دوره، شما را گام به گام با استفاده از پایتون و NumPy، در فرآیند ساخت یک سیستم کاری ماژولار همراهی خواهم کرد. خواهید دید که چگونه الگوریتم im2col را برای کانولوشن کارآمد پیادهسازی کنید و دادههای متوالی را برای وظایف سری زمانی مدیریت کنید. در نهایت، ما معماریهای CNN و RNN کاملاً کاربردی را از پایه خواهیم نوشت و درک عمیقی از این مدلهای قدرتمند را تضمین خواهیم کرد.
آنچه در دوره Python: Write Your Own Deep Learning Framework From Scratch یاد خواهید گرفت:
- چگونه یک چارچوب یادگیری عمیق با استفاده از کد خالص پایتون و NumPy بنویسیم.
- چگونه یک موتور Autograd کاربردی را از ابتدا بسازیم.
- توانایی پیادهسازی کلاسهای اصلی مانند متغیر، تابع و ماژول را داشته باشیم.
- توانایی ساخت یک موتور تانسور که از عملیات پخش و ماتریس پشتیبانی میکند.
- چگونه توابع فعالسازی مانند ReLU، Sigmoid و Softmax را پیادهسازی کنیم.
- چگونه یک خط لوله داده شامل مجموعه داده و DataLoader برای آموزش مینی-دستهای بسازیم.
- توانایی پیادهسازی بهینهسازهایی مانند گرادیان نزولی تصادفی (SGD) را داشته باشیم.
- چگونه مدلها را روی مجموعه داده MNIST آموزش داده و ارزیابی کنیم.
- چگونه شبکههای عصبی کانولوشن (CNN) را از پایه پیادهسازی کنیم.
- توانایی درک الگوریتم im2col برای کانولوشنها.
- چگونه شبکههای عصبی بازگشتی (RNN) را از پایه پیادهسازی کنیم.
- و …
مشخصات دوره
ناشر: یودمی
مدرس: x-BIT Development
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 90
مدت زمان آموزش: 7 ساعت و 29 دقیقه
سرفصل های دوره
پیش نیازهای دوره Python: Write Your Own Deep Learning Framework From Scratch
Basic Python programming skills (familiarity with classes, functions, and NumPy basics).
Basic Calculus and Linear Algebra, specifically derivatives and the Chain Rule, matrix multiplication. If you’re not a fan of math, you can simply follow the code to see how it works in action
Basic Deep Learning concepts: Knowing the basics of how models train and common architectures like CNNs and RNNs. We’ll cover the basics, and more importantly, we’ll take it a step further through learning by doing.
A curiosity to see how a deep learning framework is built and a willingness to follow along with the code.
No prior experience in deep learning framework development is required—we will build everything step by step.
تصاویر دوره
فیلم معرفی دوره Python: Write Your Own Deep Learning Framework From Scratch
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
3.2 گیگابایت
