دوره آموزشی یادگیری عمیق با پایتون: مدلهای دنبالهای و ترنسفورمرها
1 ساعت 26 دقیقهمتوسط2025-04-29
مدرسین

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.
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
Traditional AI and Machine LearningPythonArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
مقدمه
- شروع کار با مدلهای توالی و ترانسفورماتورها
- آنچه باید بدانید
- استفاده از فایلهای تمرین
شبکههای عصبی بازگشتی
- دادههای توالی چیست؟
- کاربردهای رایج مدلهای توالی
- شبکههای عصبی بازگشتی (RNN)
- ساخت یک RNN ساده با Keras
معماریهای پیشرفته RNN
- مشکلات گرادیان ناپدید شونده و منفجر شونده
- راه حلهایی برای مشکلات گرادیان ناپدید شونده و انفجاری
- شبکههای حافظه کوتاهمدت بلندمدت (LSTM)
- واحدهای بازگشتی دروازهای (GRU)
- انتخاب بین GRUها و LSTMها
مدلهای ترانسفورماتور
- توجه و اهمیت آن در مدلهای توالی
- معماری مدل ترانسفورماتور
- یادگیری انتقالی چیست؟
- هابِ در آغوش گرفتنِ چهره
- انتخاب مدل مناسب از مرکز Hugging Face
استفاده از مدلهای ترانسفورماتور از پیش آموزشدیده
- تشخیص موجودیتهای نامدار با مدلهای از پیش آموزشدیده در پایتون
- برچسبگذاری اجزای کلام با مدلهای از پیش آموزشدیده در پایتون
- تحلیل احساسات با مدلهای از پیش آموزشدیده در پایتون
- طبقهبندی موضوع با مدلهای از پیش آموزشدیده در پایتون
- خلاصهسازی متن با مدلهای از پیش آموزشدیده در پایتون
- پاسخ به سؤالات با مدلهای از پیش آموزشدیده در پایتون
نتیجهگیری
- ادامه یادگیری عمیق