آموزش ساخت مدل‌های یادگیری ماشین و شبکه‌های عصبی - آخرین آپدیت

دانلود Build Machine Learning Models and Neural Networks

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مهارت‌های عملی یادگیری ماشین و یادگیری عمیق را با TensorFlow و از طریق یک مسیر ساختاریافته، از آماده‌سازی داده‌ها تا توسعه شبکه عصبی، بیاموزید. شما با تبدیل داده‌های خام از طریق کدگذاری ویژگی‌ها (Feature Encoding)، پیش‌پردازش سفارشی و مهندسی ویژگی شروع خواهید کرد و سپس تکنیک‌های رگرسیون خطی را برای بهبود عملکرد پیش‌بینی به کار می‌گیرید. در ادامه، مبانی TensorFlow شامل تنسورها، عملیات‌ها، متغیرها، مفاهیم اصلی و اجرای مشتاقانه (Eager Execution) را بررسی خواهید کرد. شما مدل‌های رگرسیون خطی و لجستیک را با استفاده از توابع هزینه و بهینه‌سازها، ساخته، آموزش داده، بهینه و ارزیابی می‌کنید. در نهایت، یک شبکه عصبی خواهید ساخت که از توابع فعال‌ساز و طبقه‌بندی برای شناسایی اعداد دست‌نویس از مجموعه داده MNIST استفاده می‌کند. این دوره برای مبتدیانی که وارد دنیای یادگیری ماشین می‌شوند و متخصصانی که می‌خواهند دانش TensorFlow خود را تقویت کنند، طراحی شده است. پیشرفت متمرکز این دوره، آماده‌سازی‌های کلاسیک یادگیری ماشین را از طریق توضیحات شفاف، تمرینات کدنویسی، مطالعات موردی و ارزیابی‌ها مستقیماً به توسعه مدل TensorFlow متصل می‌کند. برای کسب تجربه عملی در مهندسی ویژگی، مدل‌های رگرسیون، بهینه‌سازی مدل، شبکه‌های عصبی و طبقه‌بندی تصاویر در TensorFlow ثبت‌نام کنید.

سرفصل ها و درس ها

مهندسی ویژگی و مبانی تنسورفلو Feature Engineering and TensorFlow Foundations

  • کدگذار برچسب (Label Encoder) Label Enconder

  • وارد کردن Labelencoder Import Labelencoder

  • تبدیل سفارشی Custom Transformation

  • ترنسفورمر سفارشی Transformer Custom Transformer

  • داده‌های مسکن با ستون‌های سفارشی Housing with Custom Colums

  • داده‌های عددی مسکن Numeric Hosing Data

  • رگرسیون خطی Liner Regression

  • تنظیم دقیق مدل Fine Tuning Model

  • ادامه تنظیم دقیق مدل Fine Tuning Model Continue

  • مرور سریع Quick-Recap

  • تنسورفلو (Tensorflow) Tensorflow

  • سلام دنیا با تنسورفلو Tensorflow-Hello-World

  • عملیات‌های پایه Basic Ops

  • ادامه عملیات‌های پایه Basic Ops Continue

  • بیشتر درباره عملیات‌های پایه More on Basic Ops

  • حالت اجرای مشتاقانه (Eager Mode) Eager-Mode

  • مفاهیم اصلی Concept

رگرسیون و شبکه‌های عصبی با تنسورفلو Regression and Neural Networks with TensorFlow

  • رگرسیون خطی Linear-Regression

  • مدل خطی Linear-Model

  • تابع ضرب ماتریسی Matrix Multiplication Function

  • تمرین برای یک مدل خطی ساده Practice for a Simple Linear Model

  • تابع هزینه Cost Function

  • بهینه‌ساز خلاق Creative Optimizer

  • مقادیر ورودی و خروجی RR RR Input and Output Value

  • رگرسیون لجستیک Logistic-Regression

  • مقداردهی اولیه متغیرهای سراسری Global Variabales Initializer

  • اجرای بهینه‌ساز Run Optimizer

  • ایجاد یک بازه (Range) Create a Range

  • مقدمه‌ای بر شبکه‌های عصبی Introduction to Neural Networks

  • مفاهیم پایه Basic-Concepts

  • توابع فعال‌ساز Activative Functions

  • توابع فعال‌ساز از ورودی تا خروجی Activative Functions Input to Output

  • توابع طبقه‌بندی Classification Functions

  • زمین بازی تنسورفلو (Tensorflow Playground) Tensorflow-Playground

  • مجموعه داده Mnist Mnist-Dataset

  • ادامه مجموعه داده Mnist Mnist-Dataset Continue

  • بیشتر درباره مجموعه داده Mnist More on Mnist-Dataset

نمایش نظرات

آموزش ساخت مدل‌های یادگیری ماشین و شبکه‌های عصبی
جزییات دوره
7h 28m
37
(آخرین آپدیت)
2
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده