تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی کارگاه هوش مصنوعی: تمرین عملی با GANها با استفاده از شبکه‌های کانولوشنال عمیق

دوره آموزشی کارگاه هوش مصنوعی: تمرین عملی با GANها با استفاده از شبکه‌های کانولوشنال عمیق

1 ساعت 47 دقیقهمتوسط2025-08-29

مدرسین

Janani Ravi

Janani Ravi

Certified Google Cloud Architect and Data Engineer

جزئیات دوره

اگه دنبال تمرین عملی با هوش مصنوعی هستی، این دوره کارگاهی کدنویسی دقیقاً برای تو ساخته شده. تو این دوره، جانانی راوی بهت یاد می‌ده چطور شبکه‌های مولد تقابلی عمیق کانولوشنی (Deep Convolutional GANs) بسازی و آموزش بدی.

شروع می‌کنیم با مفاهیم پایه کانولوشن و لایه‌های pooling و یاد می‌گیری چطور دفترچه‌های Google Colab رو برای تمرین آماده کنی. تصاویر چندکاناله رو به تنسورها تبدیل می‌کنیم، لایه‌ها رو اعمال می‌کنیم و اثر فیلترها رو بررسی می‌کنیم.

بعد با آموزش دیسکریمینیتور به عنوان یک مدل طبقه‌بندی آشنا می‌شی و به طور کامل یاد می‌گیری چطور یک Deep Convolutional GAN رو حرفه‌ای آموزش بدی: از آماده‌سازی داده‌ها برای آموزش GAN، ساخت generator و discriminator، گرفتن خروجی اولیه، ایجاد حلقه آموزش، تا مشاهده و ارزیابی نتایج و بیشتر.

این دوره مناسب هر کسی هست که می‌خواد تجربه عملی با GAN‌ها داشته باشه و توانایی ساخت مدل‌های مولد پیشرفته رو کسب کنه.

اهداف یادگیری
درک مفاهیم اصلی شبکه‌های کانولوشنی و لایه‌های pooling.
آماده‌سازی Google Colab Notebooks برای تمرین عملی GAN.
تبدیل تصاویر چندکاناله به تنسور و اعمال لایه‌ها برای پردازش داده‌ها.
آموزش دیسکریمینیتور به عنوان مدل طبقه‌بندی و ارزیابی عملکرد آن.
ساخت و آموزش Deep Convolutional GAN به صورت مرحله به مرحله.
پیاده‌سازی حلقه آموزش، مشاهده و ارزیابی نتایج برای مدل‌های GAN.
افزایش مهارت در ساخت مدل‌های مولد پیشرفته و تمرین عملی هوش مصنوعی.

مهارت ها

Neural Networks and Deep LearningGenerative AIArtificial Intelligence FoundationsArtificial Intelligence (AI)One-Off

سرفصل ها

۰. مقدمه

  • 01 - مروری بر شبکه‌های مولد تخاصمی (GAN)

۱. درک لایه‌های کانولوشن و Pooling

  • 02 - طرح کلی دوره و پیش نیازها
  • 03 - راه‌اندازی نوت بوک‌های میزبانی شده توسط ابر Google Colab
  • 04 - درک شبکه‌های عصبی کانولوشن
  • 05 - تبدیل تصویر چند کاناله به تانسور
  • 06 - اعمال لایه‌های کانولوشن و pooling
  • 07 - مشاهده اثر فیلترهای مختلف

۲. آموزش یک متمایزکننده به عنوان یک مدل طبقه‌بندی

  • 08 - انواع لایه‌های کانولوشن
  • 09 - داده‌های آموزشی برای تشخیص‌دهنده‌ی تصاویر جعلی و واقعی بد
  • 10 - بارگذاری و تبدیل داده‌های تصویر آموزشی
  • 11- درک معماری متمایزکننده
  • 12 - آموزش تشخیص هویت افراد جعلی و تقلبی
  • 13 - داده‌های آموزشی برای تشخیص تصاویر جعلی و واقعی توسط الگوریتم تشخیص خوب
  • 14 - آموزش تشخیص‌دهنده‌ی تقلب‌های خوب

۳. آموزش یک GAN کانولوشنی عمیق

  • 15 - مولد و تفکیک‌کننده
  • 16 - شبکه‌های عصبی مصنوعی (GAN) کانولوشنی عمیق (DCGAN)
  • 17 - تنظیم داده‌ها برای آموزش GAN
  • 18 - راه‌اندازی مولد و تفکیک‌کننده
  • 19 - بررسی خروجی یک مولد و تفکیک‌کننده‌ی آموزش‌ندیده
  • 20 - راه‌اندازی حلقه آموزشی GAN
  • 21 - مشاهده نتایج آموزش GAN

نتیجه‌گیری

  • 22 - خلاصه و مراحل بعدی

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal