تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری عمیق با پایتون: مدل‌های دنباله‌ای و ترنسفورمرها

دوره آموزشی یادگیری عمیق با پایتون: مدل‌های دنباله‌ای و ترنسفورمرها

1 ساعت 26 دقیقهمتوسط2025-04-29

مدرسین

Frederick Nwanganga

Frederick Nwanganga

Information Technology Professional and Teacher

جزئیات دوره

این دوره مخصوص کساییه که می‌خوان با مدل‌های دنباله‌ای (Sequence Models) و ترنسفورمرها آشنا بشن؛ مدل‌هایی که تو کار با داده‌هایی که پشت سر هم میان مثل داده‌های سری زمانی یا پردازش زبان طبیعی (NLP) خیلی مهمن.

تو این آموزش عملی و کاربردی، مدرس "فرد نوانگانگا" بهت می‌گه داده دنباله‌ای چیه، چه مشکلاتی توش وجود داره و چطوری می‌تونیم با استفاده از مدل‌های شبکه عصبی مثل RNN، LSTM، GRU و ترنسفورمرها این مشکلات رو حل کنیم.

همچنین با کدنویسی عملی در پایتون، یاد می‌گیری چطور از مدل‌های ترنسفورمر آموزش‌دیده قبلی استفاده و اونا رو برای مسائل مختلف تنظیم (Fine-tune) کنی تا بهترین نتایج رو بگیری.

🎯 اهداف یادگیری:
بفهمی داده‌های دنباله‌ای یعنی چی و کجاها کاربرد دارن.
با ساختار شبکه‌های عصبی بازگشتی (RNN) آشنا بشی و خودت بتونی RNN بسازی.
معماری مدل‌های LSTM، GRU و ترنسفورمرها رو یاد بگیری.
یاد بگیری چطور مدل‌های ترنسفورمر آموزش‌دیده رو تو پایتون آموزش بدی و تنظیم کنی تا مشکلات مختلف رو حل کنی.

مهارت ها

Neural Networks and Deep LearningPythonArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware DevelopmentOne-Off

سرفصل ها

۰. مقدمه

  • 01 - شروع کار با مدل‌های توالی و ترانسفورماتورها
  • 02 - آنچه باید بدانید
  • 03 - استفاده از فایل‌های تمرین

۱. شبکه‌های عصبی بازگشتی

  • 04 - داده‌های توالی چیست؟
  • 05 - کاربردهای رایج مدل‌های توالی
  • 06 - شبکه‌های عصبی بازگشتی (RNN)
  • 07 - ساخت یک RNN ساده با Keras

۲. معماری‌های پیشرفته RNN

  • 08 - مشکلات گرادیان ناپدید شونده و منفجر شونده
  • 09 - راه حل‌هایی برای مشکلات گرادیان ناپدید شونده و انفجاری
  • 10 - شبکه‌های حافظه کوتاه‌مدت بلندمدت (LSTM)
  • 11 - واحدهای بازگشتی دروازه‌ای (GRU)
  • 12 - انتخاب بین GRUها و LSTMها

۳. مدل‌های ترانسفورماتور

  • 13 - توجه و اهمیت آن در مدل‌های توالی
  • 14 - معماری مدل ترانسفورماتور
  • 15 - یادگیری انتقالی چیست؟
  • 16- هابِ در آغوش گرفتنِ چهره
  • 17 - انتخاب مدل مناسب از مرکز Hugging Face

۴. استفاده از مدل‌های ترانسفورماتور از پیش آموزش‌دیده

  • 18 - تشخیص موجودیت‌های نام‌دار با مدل‌های از پیش آموزش‌دیده در پایتون
  • 19 - برچسب‌گذاری اجزای کلام با مدل‌های از پیش آموزش‌دیده در پایتون
  • 20 - تحلیل احساسات با مدل‌های از پیش آموزش‌دیده در پایتون
  • 21 - طبقه‌بندی موضوع با مدل‌های از پیش آموزش‌دیده در پایتون
  • 22 - خلاصه‌سازی متن با مدل‌های از پیش آموزش‌دیده در پایتون
  • 23 - پاسخ به سؤالات با مدل‌های از پیش آموزش‌دیده در پایتون

نتیجه‌گیری

  • 24 - ادامه یادگیری عمیق

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