AIA

AIA

دوره یادگیری عمیق رو میخوام امسال برگزار کنم. هدفم اینه تو پروژه های و کارای مختلف که نیاز به کمک هست بتونیم با دانشجوهای کلاس همکاری کنیم و همچنین بتونیم تو این دوره یه پروژه معماری را تو حوزه هوش مصنوعی با هم استارت بزنیم. اگه دوست داشتین میتونین با مرکز…

تو دوره دیپ لرنینگ میخوام موارد زیر رو پوشش بدم. سعی میکنم کم کم در مورد هر الگوریتم مطالبی رو آماده کنم و کاربردشون رو مخصوصا تو معماری نشون بدم.
محتواها رو سعی میکنم به صورت ویدئوهای آموزشی کوتاه بذارم تا آشنایی اولیه رو با انواع الگوریتم ها پیدا کنید.
جلسه اول دیپ لرنینگ رو هم حضورش رو آزاد میذاریم و همین جا تو کانال لینک میذارم براتون

Introduction to AI Introduction and History of AI
Review: 1. Linear regression
2. Data sets and Vectors
3. Correlation and Covariance
4. Regularization
5. Logistic Regression
6. SoftMax Classifier
7. Neural Network
8. Optimization Methods
9. Distributions
Introduction to Neural Networks
Perceptron
Multi-Layered Perceptron
Convolutional Neural Networks & CNN Architectures
Pre-trained Networks and Transfer Learning and Training Tricks
Autoencoders and VAEs
Gans
Deep Convolutional GANs (DCGANs)
Conditional GAN (CGAN)
Cycle Gan
Pix to pix
Graphs
Graph Neural Network
GCN (Graph Convolutional Network)
GAN (Graph Attention Network)
Diffusion Models
Transformers.
BERT.
Large Language Models,
Prompt Programming

www.tgoop.com/AIArchitecturee/1707

968 viewsedited  Apr 25 at 11:07

تو دوره دیپ لرنینگ میخوام موارد زیر رو پوشش بدم. سعی میکنم کم کم در مورد هر الگوریتم مطالبی رو آماده کنم و کاربردشون رو مخصوصا تو معماری نشون بدم.
محتواها رو سعی میکنم به صورت ویدئوهای آموزشی کوتاه بذارم تا آشنایی اولیه رو با انواع الگوریتم ها پیدا کنید.
جلسه اول دیپ لرنینگ رو هم حضورش رو آزاد میذاریم و همین جا تو کانال لینک میذارم براتون

Introduction to AI Introduction and History of AI
Review: 1. Linear regression
2. Data sets and Vectors
3. Correlation and Covariance
4. Regularization
5. Logistic Regression
6. SoftMax Classifier
7. Neural Network
8. Optimization Methods
9. Distributions
Introduction to Neural Networks
Perceptron
Multi-Layered Perceptron
Convolutional Neural Networks & CNN Architectures
Pre-trained Networks and Transfer Learning and Training Tricks
Autoencoders and VAEs
Gans
Deep Convolutional GANs (DCGANs)
Conditional GAN (CGAN)
Cycle Gan
Pix to pix
Graphs
Graph Neural Network
GCN (Graph Convolutional Network)
GAN (Graph Attention Network)
Diffusion Models
Transformers.
BERT.
Large Language Models,
Prompt Programming

BY AIA