الشبكات العصبية. الرؤية والقراءة الحاسوبية (NLP). — معدل 31990 فرك. من الأخصائي، التدريب 24 ساعة أكاديمية، التاريخ: 11 ديسمبر 2023.
Miscellanea / / December 03, 2023
الشبكات العصبية - تكنولوجيا معالجة المحتوى الحديثة الراسخة. اليوم، تستخدم العديد من شركات تكنولوجيا المعلومات الحاسوبية هذه التكنولوجيا لإنشاء روبوتات الكمبيوتر وروبوتات الدردشة. الأكثر شهرة منهم Alexa (Amazon)، Siri (Apple)، Alice (Yandex)، O'key Google، Google Translate (Google) تم إنشاؤها باستخدام هذه التكنولوجيا.
ستتناول هذه الدورة عددًا من الشبكات العصبية المطبقة في لغة بايثون باستخدام مكتبة Tensorflow، وبالتحديد PyTorch، التي تم تطويرها في عام 2017. تشكل هذه الخوارزميات الأساس لحل المشكلات في الرؤية والقراءة الحاسوبية، لكنها لا تستنفدها، لأن هذا المجال يتطور ويتحسن باستمرار.
- التفاعل مع الموترات في بايثون
- التعرف على أساسيات PyTorch
- تعميق معرفتك بايثون
- التعرف على معالجة الصور باستخدام الشبكات العصبية والبايثون
- التعرف على معالجة الكلام والنصوص
مدرس دورات بايثون للتعلم الآلي. فلاديمير جيناديفيتش هو ممارس ذو خبرة ومرشح للعلوم الفيزيائية والرياضية وباحث نشط.
يستخدم في عمله أساليب التعلم الآلي وأتمتة جمع البيانات باستخدام لغات البرمجة Python، R، C++، Verilog.
فلاديمير جيناديفيتش هو عضو في مجتمع الباحثين في Research Gate ويراقب باستمرار كيفية استخدام البرمجة في العلوم والتطورات الحديثة. إنه يشارك مستمعيه المعرفة والتقنيات الحالية التي ستساعد في جعل مشاريعهم أفضل وذات مستوى عالمي.
نشر فلاديمير جيناديفيتش 56 مقالة في منشورات مثل Physical Review B، Physica E، "Journal of Experimental and Theoretical Physics"، "فيزياء وتكنولوجيا أشباه الموصلات". لا يشارك فلاديمير جيناديفيتش في تطوير العلوم ويشارك إنجازاته مع زملائه فحسب، بل يستخدمها أيضًا بنجاح في الممارسة العملية:
يضع فلاديمير جيناديفيتش، كمعلم وعالم، تطوير وتطبيق التقنيات الجديدة في المقام الأول. في التعلم، بما في ذلك التعلم الآلي، فإن الشيء الرئيسي بالنسبة له هو اختراق جوهر الظواهر، وفهم جميع العمليات، وليس حفظ القواعد أو التعليمات البرمجية أو بناء جملة الوسائل التقنية. عقيدته هي الممارسة والانغماس العميق في العمل!
مدرس عملي يتمتع بخبرة 25 عامًا في مجال تكنولوجيا المعلومات. خبير في تطوير أنظمة الويب الكاملة باستخدام (MySQL وPHP/Python وnginx وHTML5)، وتحليل البيانات وتصورها باستخدام Python (Pandas، SKLearn، Keras)، وتطوير...
مدرس عملي يتمتع بخبرة 25 عامًا في مجال تكنولوجيا المعلومات. خبير في تطوير أنظمة الويب الكاملة باستخدام (MySQL، PHP/Python، nginx، HTML5)، وتحليل البيانات والتصور باستخدام Python (Pandas, SKLearn, Keras)، تطوير واجهات تبادل البيانات بين الأنظمة باستخدام تقنيات REST، SOAP، EDIFACT، إدارة خوادم الويب على Debian GNU Linux (php/nginx/mariadb)، وإنشاء الوثائق الفنية ووثائق المستخدم (باللغتين الروسية و اللغات الانجليزية).
لقد انتقلت من مطور خط إلى مدير تكنولوجيا المعلومات في شركتي الخاصة. على مدى 25 عامًا، قام بإنشاء حوالي 20 نظام معلومات/قاعدة بيانات للشركات، وأكثر من 50 نموذجًا أوليًا، و30 موقعًا إلكترونيًا بأحجام ومحتوى مختلف. عمل في مشاريع كبيرة لشركات مثل Maersk، Toyota، Nissan، Rossiya-on-Line، Glasnet. لمدة 5 سنوات كان من بين أفضل 10 مطورين في الاتحاد الروسي على phpClasses.org.
وحدة 1. مقدمة إلى Pytorch والموترات (4 ac. ح.)
- مقدمة للدورة
- مقدمة في الشبكات العصبية
- ما هو بايتورتش؟
- لماذا استخدام الموترات؟
- متطلبات تقنية
- الإمكانيات السحابية
- ما هي الموترات
- العمليات مع الموترات
- ورشة عمل حول الموضوع
الوحدة 2. تصنيف الصور (4 أ. ح.)
- أدوات لتحميل ومعالجة البيانات في PyTorch
- إنشاء مجموعة بيانات التدريب
- إنشاء مجموعة بيانات التحقق والاختبار
- الشبكة العصبية كموترات
- وظيفة التنشيط
- إنشاء الشبكة
- فقدان وظيفة
- تحسين
- ورشة عمل التنفيذ على GPU
الوحدة 3. الشبكات العصبية التلافيفية (6 ac. ح.)
- بناء شبكة عصبية تلافيفية بسيطة في PyTorch
- دمج الطبقات في الشبكة (التجميع)
- تنظيم الشبكة العصبية (التسرب)
- استخدام الشبكات العصبية المدربة
- دراسة هيكل الشبكة العصبية
- تطبيع الدفعة (Batchnorm)
- ورشة عمل حول الموضوع
الوحدة 4. استخدام ونقل النماذج المدربة (5 أ. ح.)
- استخدام ريس نت
- الاختيار عن طريق سرعة التعلم
- معدل التعلم التدرج
- توسيع البيانات لإعادة التدريب
- استخدام محولات Torchvision
- محولات اللون ولامدا
- محولات مخصصة
- الفرق
- ورشة عمل حول الموضوع
الوحدة 5. تصنيف النص (5 أ. ح.)
- الشبكات العصبية المتكررة
- الشبكات العصبية مع الذاكرة
- مكتبة نصوص الشعلة