توضیحات

GAN و خود رمزگذار متغیر در یادگیری عمیق

نام دوره : Deep Learning: GANs and Variational Autoencoders

پیش نیاز:

• نحوه ایجاد یک شبکه عصبی در Theano و/یا Tensorflow را بدانید
• آمار و احتمال
• حساب دیفرانسیل و انتگرال چند متغیره
• numbpy

توضیحات:

رمزگذارهای خودکار متغیر و GAN ها دو مورد از جالب ترین پیشرفت های اخیر در یادگیری عمیق و یادگیری ماشین بوده اند.

Yann LeCun، یکی از پیشگامان یادگیری عمیق، با اشاره به GAN ها گفته است که مهم ترین پیشرفت در سال های اخیر آموزش مربوط به GAN بوده است.

GAN مخفف عبارت Generative Adversarial Network است که در آن 2 شبکه عصبی با یکدیگر رقابت می کنند.

یادگیری بدون نظارت چیست؟

یادگیری بدون نظارت به این معنی است که ما سعی نمی کنیم داده های ورودی را به اهداف نگاشت کنیم، ما فقط سعی می کنیم ساختار آن داده های ورودی را یاد بگیریم.

وقتی آن ساختار را یاد گرفتیم، می توانیم کارهای بسیار جالبی انجام دهیم.

یک مثال تولید شعر است – ما نمونه هایی از این را در گذشته انجام داده ایم.

اما شعر یک چیز بسیار خاص است، به طور کلی نوشتن چطور؟

اگر بتوانیم ساختار زبان را یاد بگیریم، می توانیم هر نوع متنی را تولید کنیم.

در واقع، شرکت های بزرگ پول زیادی را صرف تحقیق در مورد چگونگی نوشتن اخبار توسط ماشین ها می کنند.

اما اگر به شعر برگردیم و کلمات را برداریم چه؟

خوب پس ما به طور کلی به هنر می رسیم.

با یادگیری ساختار هنر می توانیم هنر بیشتری خلق کنیم.

هنر به عنوان صدا چطور؟

اگر ساختار موسیقی را یاد بگیریم، می توانیم موسیقی جدیدی خلق کنیم.

تصور کنید 40 آهنگ برتری که از رادیو می شنوید آهنگ هایی هستند که توسط روبات ها نوشته شده اند تا انسان ها.

امکانات بی پایان هستند!

پس به GAN و خود رمزگذار متغیر در یادگیری عمیق  بپیوندید

دوره GAN و خود رمزگذار متغیر در یادگیری عمیق  برای چه کسانی است:

هر کسی که می خواهد دانش یادگیری عمیق خود را بهبود بخشد

بخشی از دوره :