تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مقدمه ای بر شبکه های عصبی مبتنی بر توجه

دوره آموزشی مقدمه ای بر شبکه های عصبی مبتنی بر توجه

2 ساعت 11 دقیقهمتوسط2022-10-17

مدرسین

Janani Ravi

Janani Ravi

Certified Google Cloud Architect and Data Engineer

جزئیات دوره

مدل‌های مبتنی بر توجه به شبکه‌های عصبی اجازه می‌دهند تا بر مهم‌ترین ویژگی‌های ورودی تمرکز کنند و در نتیجه نتایج بهتری در خروجی ایجاد کنند. در این دوره، جنانی راوی نحوه عملکرد شبکه های عصبی مکرر را توضیح می دهد و دو مدل زیرنویس تصویر را می سازد و آموزش می دهد، یکی بدون توجه و دیگری با استفاده از مدل های توجه و نتایج آنها را با هم مقایسه می کند. اگر تجربه و درک درستی از نحوه کار شبکه های عصبی دارید و می خواهید ببینید که مدل های مبتنی بر توجه چه کاری می توانند برای شما انجام دهند، این دوره را بررسی کنید.

مهارت ها

Neural Networks and Deep LearningAdvancedArtificial Intelligence (AI)

سرفصل ها

0. مقدمه

  • 01 - پیش نیازها
  • 02 - مدل های مبتنی بر توجه چیست
  • 03 - توجه در مدل های تولید زبان و ترجمه

1. شبکه های عصبی مکرر برای یادگیری داده های متوالی

  • 04 - شبکه های فید فوروارد و محدودیت های آنها
  • 05 - شبکه های عصبی مکرر برای داده های متوالی
  • 06 - نیاز به سلول های حافظه بلند
  • 07 - سلول های LSTM و GRU
  • 08 - انواع RRNNS

2. شبکه های رمزگذار-رمزگشا برای مدل های زبان

  • 09 - مدل های تولید زبان
  • 10 - مدل های ترتیب به ترتیب برای ترجمه زبان

3. شبکه های عصبی مبتنی بر توجه

  • 11 - نقش توجه در مدل های توالی به دنباله
  • 12 - مکانیسم توجه در مدل های توالی به دنباله
  • 13 - تراز کردن وزن ها در مدل های توجه
  • 14 - توجه بهداناو
  • 15 - مدل های توجه برای شرح تصویر
  • 16 - ساختار رمزگشای رمزگذار برای نوشتن شرح تصاویر

4. مدل زیرنویس تصویر بدون توجه

  • 17 - راه اندازی Colab و Google Drive
  • 18 - بارگذاری در مجموعه داده Flickr8k
  • 19 - ساخت واژگان
  • 20 - راه اندازی کلاس داده
  • 21 - پیاده سازی توابع کاربردی برای داده های آموزشی
  • 22 - ساخت رمزگذار CNN
  • 23 - ساخت رمزگشا RNN
  • 24 - تنظیم مدل سکانس به دنباله
  • 25 - آموزش مدل زیرنویس تصویر

5. مدل شرح تصویر با استفاده از توجه

  • 26 - بارگذاری مجموعه داده و تنظیم توابع ابزار
  • 27 - رمزگذار CNN که نقشه‌های مشخصه‌ای را تولید می‌کند
  • 28 - اجرای توجه بهداناو
  • 29 - رمزگشا RNN با استفاده از توجه
  • 30 - ایجاد زیرنویس با استفاده از توجه
  • 31 - آموزش مدل کپشن تصویر مبتنی بر توجه
  • 32 - تجسم توجه مدل

نتیجه

  • 33 - 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