LinkedIn – PyTorch Essential Training: Working with Images 2025-4

در تاریخ: 1404/08/11 11:08:17

توضیحات

دوره PyTorch Essential Training: Working with Images. این دوره روش‌های عملی یادگیری عمیق برای طبقه‌بندی تصاویر را با استفاده از PyTorch آموزش می‌دهد. این دوره با رویکردی پروژه‌محور، برای توسعه‌دهندگان یادگیری ماشین و دانشمندان داده طراحی شده که با چالش‌های شبکه‌های عصبی کانولوشنی و کاربردهای آن‌ها روبرو هستند. شرکت‌کنندگان به صورت عملی با مفاهیم و مراحل ضروری از جمله پیش‌پردازش داده‌ها، فرآیند آموزش و ارزیابی یک مدل از پیش آموزش دیده شده آشنا می‌شوند. همچنین مباحث پیشرفته‌تری مانند یادگیری انتقالی، تنظیم دقیق مدل برای بهبود عملکرد و استفاده از معیارهای مختلف ارزیابی نیز در این دوره پوشش داده می‌شوند. مهارت‌های کلیدی که در این دوره تمرین می‌شوند شامل تسلط بر کتابخانه PyTorch، درک اصول هوش مصنوعی و پیاده‌سازی مؤثر الگوریتم‌های یادگیری عمیق است. این آموزش به شرکت‌کنندگان این امکان را می‌دهد تا دانش تئوری خود را در یک چارچوب عملی به کار گیرند و مدل‌های قدرتمندی برای تحلیل تصویر بسازند.

آنچه فرا خواهید گرفت

مقدمه‌ای بر طبقه‌بندی تصاویر
طبقه‌بندی تصاویر چیست.
طبقه‌بندی تصاویر دودویی (Binary Image Classification).
طبقه‌بندی تصاویر چندکلاسی (Multiclass Image Classification).
درک شبکه‌های عصبی پیچشی (CNNs).
آماده‌سازی داده
وارد کردن (Importing) بسته‌های مورد نیاز.
سازماندهی مجموعه داده (Organizing the Dataset).
تبدیل داده‌ها (Transforming the Data).
مصورسازی داده‌ها (Visualizing the Data).
یادگیری انتقالی با مدل از پیش آموزش‌دیده
مقدمه‌ای بر یادگیری انتقالی.
معرفی مدل ResNet.
تنظیم دقیق ResNet برای طبقه‌بندی دودویی.
فریز کردن لایه‌ها و آموزش از بلوک‌های خاص.
آموزش و آزمایش مدل
تنظیم حلقه آموزش (Setting up the Training Loop).
تابع ضرر (Loss Function) و بهینه‌ساز (Optimizer).
ارزیابی عملکرد مدل (Evaluating Model Performance).
ذخیره‌سازی مدل (Saving the Model).
مصورسازی پیش‌بینی‌ها (Visualizing Predictions).
چالش: ارزیابی و آزمایش مدل.
راه حل: ارزیابی و آزمایش مدل.
پروژه پایانی (Capstone Project)

این دوره مناسب افرادیست که

توسعه‌دهندگان یادگیری ماشین و دانشمندان داده که می‌خواهند مهارت‌های عملی در کار با CNNs و طبقه‌بندی تصاویر کسب کنند.
متخصصانی که به دنبال تجربه پروژه‌محور با PyTorch هستند.
افرادی که می‌خواهند درباره یادگیری انتقالی، تنظیم دقیق مدل و معیارهای ارزیابی در زمینه بینایی کامپیوتر (Computer Vision) بیاموزند.
هر فردی که به دنبال درک کاربردی از آموزش و ارزیابی یک مدل از پیش آموزش‌دیده است.