دوره آموزشی کارگاه هوش مصنوعی: تمرین عملی با GANها با استفاده از شبکههای عصبی متراکم
1 ساعت 32 دقیقهمتوسط2025-09-23
مدرسین
Janani Ravi
Certified Google Cloud Architect and Data Engineer
جزئیات دوره
اگه دنبال تمرین عملی با هوش مصنوعی هستید، این دوره کارگاهی کدنویسی دقیقاً برای شما طراحی شده. تو این دوره، جانانی راوی به شما نشون میده چطور شبکههای مولد تخاصمی (GANs) بسازید و آموزش بدید.
در این دوره، با اجزای اصلی GANها آشنا میشید، از جمله نحوه راهاندازی محیط مجازی، اجرای سرور نوتبوک، ایجاد Dataset و DataLoader در PyTorch و موارد دیگه. جانانی اصول آموزش مستقل رقبا، آموزش GANها و نحوه تجسم نتایج رو آموزش میده.
همچنین در طول دوره، مشکلات رایج مرتبط با GANها و راهکارهای مقابله با اونها در فرآیند آموزش بررسی میشه تا بتونید بدون مشکل و با دقت بالا مدلهای GAN بسازید و نتایج بهتری به دست بیارید.
این دوره فرصتی عالیه برای کسب تجربه عملی با یکی از پیشرفتهترین ابزارهای هوش مصنوعی و یادگیری تکنیکهای کاربردی GANها در پروژههای واقعی.
اهداف یادگیری:
چطور محیط مجازی رو برای پروژههای GAN راهاندازی کنید
Dataset و DataLoader در PyTorch ایجاد و مدیریت کنید
اصول آموزش مستقل رقبا و آموزش شبکههای GAN رو یاد بگیرید
نتایج آموزش GANها رو تجسم و تحلیل کنید
مشکلات رایج GANها رو شناسایی و راهکارهای موثر برای حل اونها رو به کار ببرید
در این دوره، با اجزای اصلی GANها آشنا میشید، از جمله نحوه راهاندازی محیط مجازی، اجرای سرور نوتبوک، ایجاد Dataset و DataLoader در PyTorch و موارد دیگه. جانانی اصول آموزش مستقل رقبا، آموزش GANها و نحوه تجسم نتایج رو آموزش میده.
همچنین در طول دوره، مشکلات رایج مرتبط با GANها و راهکارهای مقابله با اونها در فرآیند آموزش بررسی میشه تا بتونید بدون مشکل و با دقت بالا مدلهای GAN بسازید و نتایج بهتری به دست بیارید.
این دوره فرصتی عالیه برای کسب تجربه عملی با یکی از پیشرفتهترین ابزارهای هوش مصنوعی و یادگیری تکنیکهای کاربردی GANها در پروژههای واقعی.
اهداف یادگیری:
چطور محیط مجازی رو برای پروژههای GAN راهاندازی کنید
Dataset و DataLoader در PyTorch ایجاد و مدیریت کنید
اصول آموزش مستقل رقبا و آموزش شبکههای GAN رو یاد بگیرید
نتایج آموزش GANها رو تجسم و تحلیل کنید
مشکلات رایج GANها رو شناسایی و راهکارهای موثر برای حل اونها رو به کار ببرید
سرفصل ها
معرفی مدلسازی مولد
- درک مدلسازی مولد
معرفی شبکههای مولد تخاصمی (GAN)
- طرح کلی دوره و پیش نیازها
- محیط مجازی را تنظیم کنید و سرور نوت بوک را اجرا کنید
- معرفی GAN ها
- نمونهسازی مجموعه داده و بارگذاری داده
- مشاهده دادههای آموزشی
آموزش مستقل دشمنان
- نمای کلی از یک GAN
- آموزش دشمنان
- معماری ژنراتور
- معماری متمایزکننده
- آشنایی با خروجیهای مولد و متمایزکننده
- آموزش مستقل یک متمایزکننده به عنوان یک مدل طبقهبندی
- آموزش مستقل یک ژنراتور
آموزش GAN ها
- محاسبه تلفات برای مولدها و تفکیککنندهها
- درک تابع زیان مینیماکس
- آموزش راهاندازی GAN
- مصورسازی نتایج آموزش GAN
- مشکلات مربوط به شبکههای مولد تخاصمی (GAN) و راهکارهای کاهش آنها
نتیجهگیری
- خلاصه و مراحل بعدی