רשתות עצביות. ראייה וקריאה ממוחשבת (NLP). - תעריף 31990 לשפשף. ממומחה, הכשרה 24 שעות אקדמיות, תאריך: 11 בדצמבר 2023.
Miscellanea / / December 03, 2023
רשתות עצביות - טכנולוגיית עיבוד תוכן מודרנית מבוססת היטב. כיום, תאגידי IT רבים משתמשים בטכנולוגיה זו כדי ליצור רובוטי מחשב וצ'אט בוטים. המפורסמות שבהן Alexa (אמזון), סירי (אפל), אליס (Yandex), O'key Google, Google Translate (Google) נוצרו באמצעות טכנולוגיה זו.
קורס זה יבחן מספר רשתות עצביות המיושמות ב-Python באמצעות ספריית Tensorflow, כלומר PyTorch, שפותחה ב-2017. אלגוריתמים אלו מהווים בסיס לפתרון בעיות בראייה ממוחשבת ובקריאה, אך אינם ממצים אותו, שכן תחום זה מתפתח ומשתפר כל הזמן.
- אינטראקציה עם טנסורים ב- Python
- הכירו את היסודות של PyTorch
- להעמיק את הידע שלך ב-Python
- היכרות עם עיבוד תמונה באמצעות רשתות עצביות ופייתון
- להכיר את עיבוד הדיבור והטקסט
מורה לקורסי Python ללמידת מכונה. ולדימיר גנאדייביץ' הוא מתרגל מנוסה, מועמד למדעי הפיזיקה והמתמטיקה וחוקר פעיל.
בעבודתו, הוא משתמש בשיטות של למידת מכונה ואוטומציה של איסוף נתונים באמצעות שפות התכנות Python, R, C++, Verilog.
ולדימיר גנאדייביץ' הוא חבר בקהילת החוקרים של שער המחקר ועוקב כל הזמן אחר אופן השימוש בתכנות במדע ובפיתוחים מודרניים. הוא חולק עם מאזיניו ידע וטכניקות עדכניות שיעזרו להפוך את הפרויקטים שלהם לטובים יותר וברמה עולמית.
ולדימיר Gennadievich פרסם 56 מאמרים בפרסומים כגון Physical Review B, Physica E, "Journal of Experimental and Theoretical Physics", "פיסיקה וטכנולוגיה של מוליכים למחצה". ולדימיר גנאדייביץ' לא רק משתתף בפיתוח המדע ומשתף את הישגיו עם עמיתיו, אלא גם משתמש בהם בהצלחה בפועל:
ולדימיר Gennadievich, כמורה-מדען, שם את הפיתוח והיישום של טכנולוגיות חדשות במקום הראשון. בלמידה, כולל למידת מכונה, העיקר מבחינתו הוא לחדור אל מהות התופעות, להבין את כל התהליכים, ולא לשנן את הכללים, הקוד או התחביר של אמצעים טכניים. האמונה שלו היא תרגול וטבילה עמוקה בעבודה!
מורה הנדסאי בעל 25 שנות ניסיון בתחום טכנולוגיית המידע. מומחה בפיתוח Full-Stack של מערכות אינטרנט באמצעות (MySQL, PHP/Python, nginx, HTML5), ניתוח נתונים ויזואליזציה באמצעות Python (Pandas, SKLearn, Keras), פיתוח...
מורה הנדסאי בעל 25 שנות ניסיון בתחום טכנולוגיית המידע. מומחה בפיתוח Full-Stack של מערכות אינטרנט באמצעות (MySQL, PHP/Python, nginx, HTML5), ניתוח נתונים והדמיה באמצעות Python (Pandas, SKLearn, Keras), פיתוח ממשקי חילופי נתונים בין מערכות באמצעות טכנולוגיות REST, SOAP, EDIFACT, ניהול שרתי אינטרנט ב-Debian GNU Linux (php/nginx/mariadb), יצירת תיעוד טכני ומשתמש (ברוסית וברוסית שפות אנגלית).
עברתי את כל הדרך ממפתח קו למנהל ה-IT של החברה שלי. במשך 25 שנים הוא יצר כ-20 מערכות מידע/מאגרי מידע ארגוניים, יותר מ-50 אבות טיפוס, 30 אתרי אינטרנט בגדלים ובתוכן משתנים. עבד על פרויקטים גדולים עבור חברות כמו Maersk, Toyota, Nisan, Rossiya-on-Line, Glasnet. במשך 5 שנים הוא בין 10 המפתחים המובילים בפדרציה הרוסית ב-phpClasses.org.
מודול מספר 1. מבוא לפיטורץ' וטנסורים (4 ac. ח.)
- מבוא לקורס
- מבוא לרשתות עצביות
- מה זה PyTorch?
- למה להשתמש בטנסור?
- דרישות טכניות
- יכולות ענן
- מה הם טנסורים
- פעולות עם טנזורים
- סדנה בנושא
מודול 2. סיווג תמונה (4 ac. ח.)
- כלים לטעינה ועיבוד נתונים ב- PyTorch
- יצירת מערך נתוני אימון
- יצירת מערך נתוני אימות ובדיקה
- רשת עצבית כטנסורים
- פונקציית הפעלה
- יצירת רשת
- תפקוד הפסד
- אופטימיזציה
- סדנה, הטמעה על GPU
מודול 3. רשתות עצביות קונבולוציוניות (6 ac. ח.)
- בניית רשת עצבית קונבולוציונית פשוטה ב- PyTorch
- שילוב שכבות ברשת (Pooling)
- הסדרת רשתות עצביות (נשירה)
- שימוש ברשתות עצביות מאומנות
- לימוד מבנה הרשת העצבית
- נורמליזציה של אצווה (Batchnorm)
- סדנה בנושא
מודול 4. שימוש והעברה של דגמים מאומנים (5 ac. ח.)
- שימוש ב-ResNet
- בחירה לפי מהירות למידה
- שיפוע קצב למידה
- הרחבת נתונים להסבה מחדש
- שימוש בממירי Torchvision
- ממירי צבע ולמבדה
- ממירים מותאמים אישית
- אנסמבלים
- סדנה בנושא
מודול 5. סיווג טקסט (5 ac. ח.)
- רשתות עצביות חוזרות
- רשתות עצביות עם זיכרון
- ספריית Torchtext