Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 مؤسسه IBM برگزار می‌کند: آموزش رایگان مبانی PyTorch برای یادگیری ماشین

مؤسسه IBM برگزار می‌کند: آموزش رایگان مبانی PyTorch برای یادگیری ماشین

مؤسسه IBM که یکی از مؤسسات مطرح جهانی در عرصه فناوری است، مبانی PyTorch برای یادگیری ماشین را به صورت آنلاین، بدون در نظر گرفتن پیش‌نیاز، به طور رایگان آموزش می‌دهد. آموزش این دوره مقدماتی که ثبت‌نام آن از تاریخ ۱۱ جولای آغاز می‌شود و در تاریخ 31 دسامبر به پایان می‌رسد، حدود پنج هفته به طول می‌انجامد.

پیش از هر چیز بهتر است مختصری از این فناوری گفته شود، تا برای علاقه‌مندانی که برآنند، تا دوره مقدماتی این دوره را سپری کنند، معرفی اولیه‌ای صورت گیرد:PyTorch  که توسعه‌دهنده اصلی آن، هوش مصنوعی متا است، یک کتابخانه رایگان و متن‌باز مبتنی بر پایتون است که برای کاربردهایی مانند پردازش زبان طبیعی استفاده می‌شود. این فناوری ساختن مدل‌های یادگیری عمیق و استفاده از آن‌ها را در برنامه‌های مختلف آسان می‌کند. به عبارت دیگر، PyTorch  یک بسته محاسبات علمی مستقر در پایتون است که از قدرت واحدهای پردازش گرافیک استفاده می‌کند.

مبانی PyTorch برای یادگیری ماشین

در خصوص آموزش مبانی PyTorch برای یادگیری ماشین در مؤسسه IBM قابل ذکر است اولین قسمت از یک دوره دوقسمتی است که اصول PyTorch را به علاقه‌مندان آموزش می‌دهد. در این دوره الگوریتم‌های کلاسیک یادگیری ماشین با تمرکز بر نحوه ایجاد و بهینه‌سازی مدل‌ها توسط PyTorch پیاده‌سازی می‌شوند و داوطلبان به سرعت جنبه‌های مختلف PyTorch را تکرار خواهند کرد و به آن‌ها پایه‌های قوی و تمام پیش‌نیازها را قبل از ساختن مدل‌های یادگیری عمیق می‌دهد.

فراگیرانی که این دوره آموزشی را با موفقیت پشت سر می‌گذارند، می‌توانند یک نشان مهارتی کسب کنند؛ یک اعتبار دقیق و قابل تأیید که مدرکی از دانش و مهارت‌هایی است که در این دوره کسب کرده‌اند.

بهتر است عنوان شود که در این دوره، داوطلبان چنین آموزش‌هایی را فراخواهند گرفت:

  • شناخت انواع تانسور و عملیات، بسته تمایز خودکار PyTorchs و ادغام با Pandas و Numpy.
  • آموزش یک مدل رگرسیون خطی و بررسی اصول آموزش مدل خود از جمله مفاهیمی مانند ضرر، هزینه و نزول گرادیان.
  • آموزش یک مدل رگرسیون خطی از طریق ساخت PyTorch و ذخیره آموزش خود در برنامه‌هایی مانند اعتبارسنجی متقاطع برای انتخاب هایپرپارامتر، توقف زودهنگام و نقاط بازرسی.
  • آموزش گسترش دادن مدل خود به ابعاد ورودی و خروجی چندگانه.
  • بررسی رگرسیون لجستیک و موضوع استفاده از توابع مختلف ضرر و پیاده‌سازی رگرسیون لجستیک در PyTorch.

سرفصل دروس مبانی PyTorch برای یادگیری ماشین از این قرارند

ماژول یک: تانسور 1D، تانسورهای دوبعدی، مشتقات در PyTorch، مجموعه داده.

ماژول دو: پیش‌بینی رگرسیون خطی، آموزش رگرسیون خطی، ضرر- زیان، گرادیان نزول، هزینه، آموزش PyTorch.

ماژول سه: گرادیان نزول، مینی دسته‌ای نزول گرادیان، بهینه‌سازی در PyTorch، آموزش و اعتبارسنجی، توقف زودهنگام.

ماژول چهار: پیش‌بینی رگرسیون خطی چندگانه، آموزش رگرسیون خطی چندگانه، خروجی‌های چندگانه رگرسیون خطی، آموزش رگرسیون خطی چندخروجی.

ماژول پنج: پروژه نهایی.

داوطلبان با شرکت در این دوره، ضمن پشتیبانی از edX به طور رایگان تا ۲۴ آگوست به مؤسسات و دانشگاه‌های کلاس جهانی دسترسی خواهند داشت.

مربی آموزش مبانی PyTorch برای یادگیری ماشین کیست؟

مربی این دوره Joseph Santarcangelo Dr.، دانشمند داده در IBM است. تمرکز اصلی تحقیقات وی در رشته مهندسی برق بر استفاده از یادگیری ماشینی، پردازش سیگنال و بینایی کامپیوتری است، برای تعیین اینکه چگونه ویدئوها بر شناخت انسان تأثیر می‌گذارند.

برای ثبت‌نام این دوره لازم است بدانید

کاربران ایرانی به دلیل تحریم‌ها، برای ثبت‌نام دوره مبانی PyTorch برای یادگیری ماشین با محدودیت مواجه هستند. لذا داوطلبان ایرانی باید یا با استفاده از فیلترشکن اقدام به ثبت‌نام کنند و هر بار که به پروفایل خود برای ادامه درس مراجعه می‌کنند، حتماً فیلترشکن‌ آن‌ها روشن باشد، یا سعی کنند اکانت خود را با IP غیر از ایران ایجاد نمایند.

ثبت‌نام

رویداد هوش مصنوعی

مقاله ما چطور بود؟

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.