Faradars Discount
x عدم نمایش آخرین ساعات جشنواره تخفیف ویژه ۴۰٪ تخفیف کد تخفیف: FTR99 کلیک کنید .
فرصت باقیمانده

آموزش یادگیری عمیق – شبکه های GAN با پایتون

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها
آموزش یادگیری عمیق – شبکه های GAN با پایتون

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

دکتر عادل قاضی خانی
دکتر عادل قاضی خانی

مدرس فرادرس

دکترای تخصصی مهندسی کامپیوتر


دکتر عادل قاضی خانی، دارای مدرک دکتری تخصصی در رشته مهندسی کامپیوتر از دانشگاه فردوسی مشهد هستند. زمینه تخصصی دوره دکتری ایشان در حوزه داده کاوی و یادگیری ماشین بوده است. ایشان هیئت علمی گروه کامپیوتر دانشگاه بین المللی امام رضا هستند و مقالات متعددی در حوزه یادگیری ماشین دارند. (+)



در این فرادرس با مفاهیم و کاربردهای شبکه عصبی عمیق (GAN (Generative Adversarial Network آشنا خواهید شد. شبکه های GAN، یکی از به روزترین معماری های یادگیری عمیق است که از زمان مطرح شدن در سال ۲۰۱۴ تاکنون به شدت رشد یافته است. رشد عجیب این معماری یادگیری عمیق، به خاطر کاربردهای جذاب و بعضا حیرت آور آن از قبیل متحرک سازی تصویر ثابت مونالیزا و… بوده است. این معماری یادگیری عمیق، موضوع اصلی مقالات علمی در کنفرانس های معتبر یادگیری ماشین از قبیل NIPS در سال های اخیر است. در این آموزش با شبکه های GAN معمولی، شبکه های Deep Convolutional GAN, Semi-supervised GAN, Conditional GAN و CycleGAN آشنا می شوید.

👤 مدرس: دکتر عادل قاضی خانی
🕓 مدت زمان: ۵ ساعت و ۵ دقیقه
🎓 تعداد دانشجو: ۸۹۷ نفر این آموزش را تهیه کرده اند. — ۳۱ نفر در یک ماه اخیر

هزینه عادی آموزش: ۲۷,۰۰۰ تومان
در جشنواره عید فطر: ۱۶,۲۰۰ تومان (کسب اطلاعات بیشتر +)




آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
فایل PDF یادداشت های مدرس در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • بازگشت و شارژ کل مبلغ پرداختی در حساب کاربری
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش


    توضیحات

    چکیده آموزش


    یادگیری ماشین، استخراج دانش از داده ها و استفاده از آن برای هوشمند کردن ماشین است. روشی که طلایه دار پیشرفت یادگیری ماشین محسوب می شود، قطعا یادگیری عمیق است. یادگیری عمیق شاخه های مختلفی دارد که یکی از آن ها GAN یا شبکه های مخالف مولد (Generative Adversarial Networks) است. این نوع از شبکه های عصبی در سال ۲۰۱۴ توسط گودفلو (Goodfellow) در کنفرانس NIPS ارائه شد.

    شبکه های GAN قادر هستند داده های جدید تولید کنند. کمبود داده های برچسب دار، یکی  از چالش های اساسی یادگیری ماشین است. کاربردهای موفق یادگیری ماشین کاربردهایی هستند که داده های برچسب دار فراوان دارند. منظور از برچسب این است که مثلا در مورد یک تصویر حیوان، مشخص شود تصویر چه حیوانی است. به صورت خلاصه، شبکه های مخالف مولد، قابلیت تولید هوشمندی جدید را به دنیای هوش مصنوعی وارد می کنند. کاربردهای این شبکه ها تاکنون بیشتر در حوزه تصویر بوده است.

    در این فرادرس با مفاهیم و کاربردهای شبکه عصبی عمیق آشنا خواهید شد. شبکه های GAN، یکی از به روزترین معماری های یادگیری عمیق است که از زمان مطرح شدن در سال ۲۰۱۴ تاکنون به شدت رشد یافته است. رشد عجیب این معماری یادگیری عمیق، به خاطر کاربردهای جذاب و بعضا حیرت آور آن از قبیل متحرک سازی تصویر ثابت مونالیزا و… بوده است. این معماری یادگیری عمیق، موضوع اصلی مقالات علمی در کنفرانس های معتبر یادگیری ماشین از قبیل NIPS در سال های اخیر است.

    در حوزه کاربرد نیز شاهد ظهور کاربردهای متعدد آن در مقالات هستیم و یافتن کاربردهای جدید برای شبکه های GAN خود یک موضوع علمی است. به صورت خلاصه می توان گفت توانمندی که شبکه های GAN در اختیار طراحان محصولات هوش مصنوعی و محققین قرار می دهد، قابلیت تولید هوشمندی جدید است. این قابلیت را می توان در کاربردهایی از قبیل: نقاشی کشیدن توسط ماشین، تولید ویدئوی جدید در حوزه های خاص و… مشاهده کرد.

    در این آموزش با شبکه های GAN معمولی، شبکه های Deep Convolutional GAN, Semi-supervised GAN, Conditional GAN و CycleGAN آشنا می شوید. علاوه بر این، قبل از ورود به موضوع شبکه های GAN، مفاهیم مقدماتی مورد نیاز یادگیری ماشین و شبکه های عصبی بیان شده است. در این آموزش از زبان پایتون برای آموزش برنامه نویسی در شبکه های GAN استفاده شده است. آموزش به صورت کوتاه بوده مطالب مهم و کلیدی شبکه های GAN و انواع آن را بیان می کند.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: مقدمه ای بر هوش مصنوعی و شبکه های GAN
      • هوش مصنوعی، یادگیری ماشین، یادگیری عمیق
      • شبکه های GAN و کاربردهای آن
    • درس دوم: مفاهیم پایه ای یادگیری ماشین و شبکه عصبی
      • یادگیری ماشین
      • انواع یادگیری
      • مفاهیم پایه ای شبکه عصبی
      • شبکه عصبی عمیق
    • درس سوم: شبکه های Autoencoder
      • مدل سازی مولد
      • معماری شبکه Autoencoder
      • یادگیری در شبکه Autoencoder
      • کاربردهای شبکه Autoencoder
      • معماری شبکه Variational Autoencoder
      • توانمندی و نقص Autoencoder در مدل سازی مولد
    • درس چهارم: شبکه ‌های GAN معمولی
      • معماری شبکه GAN
      • تابع هزینه در شبکه GAN
      • بهینه سازی رقابتی تابع هزینه در شبکه GAN
      • یادگیری در شبکه GAN
      • مقایسه GAN با Autoencoder
      • آموزش شبکه GAN
      • مثال عملی شبکه GAN در پایتون
    • درس پنجم: شبکه های GAN کانولوشنی (Deep Convolutional GAN)
      • شبکه های عصبی کانولوشنی
      • لایه های کانولوشن، Pooling و کانولوشن معکوس
      • معماری شبکه DCGAN
      • مثال عملی شبکه DCGAN در پایتون
    • درس ششم: شبکه های GAN نیمه نظارتی (Semisupervised GAN)
      • یادگیری نیمه نظارتی
      • معماری شبکه Semi-supervised GAN
      • تفاوت عملکرد شبکه Semi-supervised GAN با سایر شبکه های GAN
      • مثال عملی شبکه Semi-supervised GAN در پایتون
    • درس هفتم: شبکه های GAN مشروط (Conditional GAN)
      • چالش شبکه GAN در مدل سازی مولد
      • معماری شبکه CGAN
      • مثال عملی شبکه CGAN در پایتون
    • درس هشتم: شبکه های GAN چرخشی (Cycle GAN)
      • معماری شبکه CycleGAN
      • تابع های هزینه در شبکه CycleGAN
      • توضیح روال پیاده سازی CycleGAN
      • معماری شبکه U-Net در CycleGAN
      • معماری شبکه PatchGAN در CycleGAN

     

    مفید برای رشته های
    • مهندسی کامپیوتر

    نرم افزارهای مرتبط با آموزش

    PyCharm 2018, Python 3.6, TensorFllow 2, Keras 2.3.1

    پیش نیاز

    پیش نمایش

    پیش نمایش ۱ : مقدمه ای بر هوش مصنوعی و شبکه های - ۴ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۳ مگابایت (کلیک کنید +)

    پیش نمایش ۲ : مفاهیم پایه‌ای یادگیری ماشین و شبکه عصبی - ۸ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۶ مگابایت (کلیک کنید +)

    پیش نمایش ۳ : شبکه های Autoencoder - ۷ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۷ مگابایت (کلیک کنید +)

    پیش نمایش ۴ : شبکه های GAN معمولی - ۲۰ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۵ : شبکه های GAN کانولوشنی - ۱۶ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۶ : شبکه های GAN نیمه نظارتی - ۲۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۷ : شبکه های GAN مشروط - ۱۵ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۸ : شبکه های GAN چرخشی - ۷ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    آموزش‌های پیشنهادی و مرتبط




    اطلاعات تکمیلی

    نام آموزش آموزش یادگیری عمیق – شبکه های GAN با پایتون
    ناشر فرادرس
    کد آموزش FVDL9806
    مدت زمان ۵ ساعت و ۵ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۳۹۴ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


    ​راهنمای تهیه آموزش ها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش یادگیری عمیق – شبکه های GAN با پایتون

    هزینه عادی آموزش: ۲۷,۰۰۰ تومان
    در جشنواره عید فطر: ۱۶,۲۰۰ تومان (کسب اطلاعات بیشتر +)




    دیدگاه ها

    تا کنون ۸۹۷ نفراز این آموزش استفاده کرده اند.
    1. 0 از 5

      :

      آموزش بسیار عالی و فوق العاده اس، لطفا برای سایر مباحث هوش مصنوعی و فریمورک Pytorch هم آموزش هایی رو منتشر کنین.


    نظر شما در مورد این فرادرس چیست؟

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

    امتیاز شما به این آموزش:



​همین امروز شروع به آموختن کنید​

آموزش یادگیری عمیق – شبکه های GAN با پایتون

هزینه عادی آموزش: ۲۷,۰۰۰ تومان
در جشنواره عید فطر: ۱۶,۲۰۰ تومان (کسب اطلاعات بیشتر +)


برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,



فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران