0
Görünümler
Nöral ağlar. Bilgisayarla görme ve okuma (NLP). - oran 31990 ovmak. Uzmandan, eğitim 24 akademik saat, tarih: 11 Aralık 2023.
Miscellanea / / December 03, 2023
Nöral ağlar - sağlam bir şekilde kurulmuş modern içerik işleme teknolojisi. Günümüzde birçok bilgisayar BT şirketi bu teknolojiyi bilgisayar robotları ve sohbet botları oluşturmak için kullanıyor. Bunlardan en ünlüleri Alexa (Amazon), Siri (Apple), Alice (Yandex), O'key Google, Google Translate (Google) bu teknoloji kullanılarak oluşturuldu.
Bu ders, 2017 yılında geliştirilen PyTorch adlı Tensorflow kütüphanesini kullanarak Python'da uygulanan bir dizi sinir ağını inceleyecektir. Bu algoritmalar, bilgisayarlı görme ve okuma alanındaki sorunların çözümü için temel oluşturur, ancak bu alan sürekli olarak gelişip geliştiği için onu tüketmez.
- Python'da tensörlerle etkileşime geçin
- PyTorch'un temelleri hakkında bilgi edinin
- Python bilginizi derinleştirin
- sinir ağlarını ve Python'u kullanarak görüntü işleme hakkında bilgi edinin
- konuşma ve metin işlemeye aşina olmak
Makine öğrenimi için Python kursları öğretmeni. Vladimir Gennadievich deneyimli bir uygulayıcı, fiziksel ve matematik bilimleri adayı ve aktif bir araştırmacıdır.
Çalışmalarında Python, R, C++, Verilog programlama dillerini kullanarak makine öğrenimi ve veri toplama otomasyonu yöntemlerini kullanıyor.
Vladimir Gennadievich, Research Gate araştırmacı topluluğunun bir üyesidir ve programlamanın bilimde ve modern gelişmelerde nasıl kullanıldığını sürekli olarak izlemektedir. Projelerini daha iyi ve dünya standartlarında hale getirmeye yardımcı olacak bilgi birikimini ve güncel teknikleri dinleyicileriyle paylaşıyor.
Vladimir Gennadievich, Physical Review B, Physica E, “Deneysel ve Teorik Fizik Dergisi”, “Yarıiletkenlerin Fiziği ve Teknolojisi” gibi yayınlarda 56 makale yayınladı. Vladimir Gennadievich yalnızca bilimin gelişimine katılmakla ve başarılarını meslektaşlarıyla paylaşmakla kalmıyor, aynı zamanda bunları pratikte başarıyla kullanıyor:
Vladimir Gennadievich, bir öğretmen-bilim adamı olarak, yeni teknolojilerin geliştirilmesine ve uygulanmasına ilk sırayı veriyor. Makine öğrenimi de dahil olmak üzere öğrenmede onun için asıl şey, fenomenin özüne nüfuz etmek, tüm süreçleri anlamak ve teknik araçların kurallarını, kodunu veya sözdizimini ezberlememektir. Onun inancı pratik ve işe derinlemesine dalmaktır!
Bilgi teknolojisi alanında 25 yıllık deneyime sahip pratik öğretmen. (MySQL, PHP/Python, nginx, HTML5) kullanarak web sistemlerinin Tam Yığın geliştirmesi, Python (Pandas, SKLearn, Keras) kullanarak veri analizi ve görselleştirmesi, geliştirme...
Bilgi teknolojisi alanında 25 yıllık deneyime sahip pratik öğretmen. (MySQL, PHP/Python, nginx, HTML5) kullanarak web sistemlerinin Tam Yığın geliştirmesi, Python kullanarak veri analizi ve görselleştirme konusunda uzman (Pandas, SKLearn, Keras), REST, SOAP, EDIFACT teknolojilerini kullanarak sistemler arası veri alışverişi arayüzlerinin geliştirilmesi, Debian GNU Linux'ta (php/nginx/mariadb) web sunucularının yönetilmesi, teknik ve kullanıcı belgelerinin oluşturulması (Rusça ve İngilizce dilleri).
Hat geliştiriciliğinden kendi şirketimin BT direktörüne kadar ilerledim. 25 yılı aşkın bir süredir 20'ye yakın kurumsal bilgi sistemi/veri tabanı, 50'den fazla prototip, farklı boyut ve içerikte 30 web sitesi oluşturdu. Maersk, Toyota, Nissan, Rossiya-on-Line, Glasnet gibi firmaların büyük projelerinde çalıştı. 5 yıldır phpClasses.org'da Rusya Federasyonu'nun en iyi 10 geliştiricisi arasında yer alıyor.
Modül 1. Pytorch'a giriş ve tensörler (4 ac. H.)
- Derse giriş
- Sinir ağlarına giriş
- PyTorch nedir?
- Tensörleri neden kullanalım?
- Teknik gereksinimler
- Bulut yetenekleri
- Tensörler nelerdir
- Tensörlerle işlemler
- Konuyla ilgili çalıştay
Modül 2. Görüntü sınıflandırması (4 ac. H.)
- PyTorch'a veri yükleme ve işleme araçları
- Eğitim veri seti oluşturma
- Doğrulama ve test veri setinin oluşturulması
- Tensör olarak sinir ağı
- Etkinleştirme işlevi
- Ağ oluşturma
- Kayıp fonksiyonu
- Optimizasyon
- GPU üzerinde çalıştay, uygulama
Modül 3. Evrişimli sinir ağları (6 ac. H.)
- PyTorch'ta basit bir evrişimli sinir ağı oluşturmak
- Katmanları bir ağda birleştirmek (Havuzlama)
- Sinir ağı düzenlemesi (Bırakma)
- Eğitimli sinir ağlarının kullanımı
- Sinir ağının yapısının incelenmesi
- Toplu normalleştirme (Batchnorm)
- Konuyla ilgili çalıştay
Modül 4. Eğitilmiş modellerin kullanımı ve aktarımı (5 ac. H.)
- ResNet'i kullanma
- Öğrenme hızına göre seçim
- Öğrenme Oranı Gradyanı
- Yeniden eğitim için veri genişletme
- Torchvision dönüştürücülerini kullanma
- Renk ve lambda dönüştürücüler
- Özel dönüştürücüler
- Topluluklar
- Konuyla ilgili çalıştay
Modül 5. Metin sınıflandırması (5 ac. H.)
- Tekrarlayan sinir ağları
- Hafızalı sinir ağları
- Meşale Metni Kütüphanesi
Abone Ol
YOU MIGHT ALSO LIKE
