چرا باید در این کارگاه شرکت کنیم؟
GAN (شبکه های مُولد مُتِخاصِم) به عنوان شاخه ی مهمی از یادگیری عمیق در سال های اخیر بسیار مورد توجه قرارگرفته است بطوری که Yann LeCun مدیر بخش تحقیقات هوش مصنوعی فیسبوک می گوید: ” Generative Adversarial Networks به عنوان شاهکاری با کاربردهای فراوان در یادگیری عمیق است که در ۱۰ سال اخیر در حوزه ی بینایی ماشین کم نظیر بوده است”. OpenAI نیز در مورد این شبکه می گوید ” ما با آموزش شبکه های مولد متخاصم به ماشین قدرت درک جهان و اجزای آن را می دهیم”. آینده ی این حوزه ربات هایی خواهند شد که نقاشی هایی بی نظیر می کشند و توانایی رفع هر نوع نیازی را خواهند داشت.
سطح این رویداد در چه حدی می باشد؟
رویداد در سطح پیشرفته برگزار خواهد شد و مناسب افرادی است که با شبکه های یادگیری عمیق و پایتورچ آشنایی داشته باشند.
سرفصل های اصلی دوره شامل چه مواردی است؟
- مدل یادگیری متخاصم چیست
- استفاده های این مدل چیست
- انواع مدل های یادگیرنده متخاصم
- پیاده سازی فنی یک مدل به طور کامل
آیا در پایان رویداد مدرک پایان دوره به شرکت کنندگان اعطا می شود؟
بله، مدرسه علم داده دارای مجوز شرکت خلاق از معاونت علمی و فناوری ریاست جمهوری، دارای مجوز واحد فناور از مرکز رشد پارک علم و فناوری تحت نظارت وزارت علوم تحقیقات و فناوری و دارای مجوز واحد فرهنگی دیجیتال از وزارت فرهنگ و ارشاد اسلامی است است، گواهینامه معتبر پایان دوره برای شرکت کنندگان صادر می گردد.
نمونه گواهینامه رسمی و معتبر مدرسه علم داده
آشنایی با مدرس رویداد
خشایار احتشامی
تحصیلات
- کارشناسی ارشد مهندسی شبکه های کامپیوتری، دانشگاه صنعتی شریف
- کارشناسی مهندسی کامپیوتر، فناوری اطلاعات، دانشگاه آزاد تهران
علاقه مندی های تحقیقاتی
- یادگیری ماشین
- یادگیری عمیق
- بینایی ماشین
- پردازش زبان طبیعی
- امنیت شبکه
سوابق تدریس
- دستیار پژوهشی، آزمایشگاه شبکه، دانشگاه صنعتی شریف
- دستیار پژوهشی، شبکه های کامپیوتری، دانشگاه صنعتی شریف
موضوع اصلی رویداد: GAN
شبکه مولد تخاصمی (GAN)
شبکه مولد تخاصمی (Generative Adversarial Network) یا به اختصار GAN، در سال 2014 توسط یان گودفلو (Ian J. Goodfellow) و نویسندگان همکار او معرفی شد. GANها وظایف یادگیری بدون نظارت را در یادگیری ماشین انجام میدهند. این شبکهها شامل دو مدل هستند که به طور خودکار، الگوهای موجود در دادههای ورودی را کشف کرده و یاد میگیرند. این دو مدل با نامهای مولد (Generator) و متمایزگر (Discriminator) شناخته میشوند.
مولد و متمایزگر، برای بررسی، ضبط و تکرار تغییرات درون مجموعه داده با یکدیگر رقابت میکنند. میتوان از GANها برای تولید نمونههای جدیدی که به طرز قابل قبولی از مجموعه داده اصلی قابل تهیه هستند، استفاده کرد.
شبکه های عصبی GAN میتوانند تصاویری مانند چهره انسان تولید کنند که کاملا ساختگی هستند. چهرههایی که ممکن است در دنیای واقعی وجود نداشته باشند. به تصاویر زیر نگاه کنید، اینها تصاویری هستند که GAN تولید کرده و وجود خارجی ندارند. ممکن است بگویید اینها که خیلی واقعی هست، محال است تصویر ساختگی باشد. اتفاقا تصاویر ساختگی است. به چهره افراد نگاه کنید، ببینید میتوانید جزئیات غیرعادی در چهرهها پیدا کنید؟ باید بتوانید.
البته، شبکه GAN تنها تصویر چهره تولید نمیکند، بلکه امروزه کاربردهای بیشماری پیدا کرده است. با جستجو در اینترنت میتوانید خروجیهای متنوعی از GAN مشاهده کنید. مانند تولید تصویر حیوانات، نقاشی به سبک نقاشان مشهور، کاریکاتور و غیره.
دانلود فیلم ضبط شده رویداد
دانلود فیلم ضبط شده رویداد ویدئو
2:34:57
دوره های مرتبط
سند آموزشی چارچوب های پردازشی گراف های حجیم
کارگاه آموزشی پروژه محور بررسی Kubernetes Workloads و نحوهی استفاده از آنها
مینی دوره آموزشی بینایی ماشین و یادگیری عمیق
کارگاه آموزشی مهندسی داده
کارگاه آموزشی پروژه محور برنامه نویسی پایتون پیشرفته
کارگاه آموزشی پروژه محور طراحی و پیاده سازی انباره داده با آپاچی اسپارک
کارگاه آموزشی یادگیری تقویتی عمیق با پایتون
کارگاه آموزشی پروژه محور اصول پردازش زبان طبیعی در پایتون
کارگاه آموزشی پروژه محور Docker برای علم داده
دوره جامع پروژه محور یادگیری عمیق با پای تورچ (PyTorch)
Deep Learning with PyTorch Framework
امتیاز دانشجویان دوره
نظرات
300,000 تومان 199,000 تومان
مهندس خشایار احتشامی
ارشد مهندسی کامپیوتر، صنعتی شریفپژوهشگر یادگیری عمیق، ارشد مهندسی کامپیوتر، صنعتی شریف
تنها اشخاصی که این محصول را خریداری کرده اند و وارد سایت شده اند می توانند در مورد این محصول بازبینی ارسال کنند.