Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
در حال بارگزاری، لطفا صبر کنید...
توضیحات دوره:
درک و ساخت مدل های یادگیری عمیق برای تصاویر، متن و موارد دیگر با استفاده از Python و Keras برای توصیف یادگیری عمیق به روشی ساده و در عین حال دقیق توضیح چگونگی استفاده از یادگیری عمیق برای ساختن مدل های پیش بینی برای تشخیص اینکه کدام برنامه های کاربردی می توانند از یادگیری عمیق بهره ببرند. نصب و استفاده از Python و Keras برای ساخت مدلهای یادگیری عمیق استفاده از یادگیری عمیق برای حل مشکلات یادگیری تحت نظارت و بدون نظارت شامل تصاویر، متن، صدا، سریهای زمانی و دادههای جدولی. برای ساخت، آموزش و استفاده از شبکههای عصبی کاملاً متصل، کانولوشنال و مکرر برای نگاه کردن به درونیات یک مدل یادگیری عمیق بدون ارعاب و با قابلیت تغییر پارامترهای آن، آموزش و اجرای مدلها در فضای ابری با استفاده از یک GPU برای برآورد هزینههای آموزشی برای مدلهای بزرگ استفاده مجدد از مدلهای از پیش آموزشدیده برای کوتاهکردن زمان و هزینه آموزش (آموزش انتقال) ) استفاده از پوسته bash (یا خط فرمان معادل) و دستورات اولیه برای کپی و انتقال فایل ها دانش مقدماتی جبر خطی (بردار چیست، ماتریس چیست، نحوه محاسبه حاصلضرب نقطه) استفاده از ssh برای اتصال به رایانه ابری
این دوره برای ارائه یک مقدمه کامل بر یادگیری عمیق طراحی شده است. این برای برنامه نویسان مبتدی و متوسط و دانشمندان داده است که با پایتون آشنا هستند و می خواهند تکنیک های یادگیری عمیق را درک کرده و برای مشکلات مختلف به کار ببرند.
ما با مروری بر برنامههای یادگیری عمیق و خلاصهای از ابزارها و تکنیکهای یادگیری ماشین شروع میکنیم. سپس شبکههای عصبی مصنوعی را معرفی میکنیم و توضیح میدهیم که چگونه برای حل مسائل رگرسیون و طبقهبندی آموزش داده میشوند.
در بقیه دوره، چندین معماری از جمله شبکههای عصبی کاملاً متصل، کانولوشنال و تکراری را معرفی و توضیح میدهیم، و برای هر یک از اینها هم تئوری را توضیح میدهیم و هم مثالهای زیادی از کاربردها ارائه میکنیم.
این دوره تعادل خوبی بین تئوری و عمل است. ما از توضیح جزئیات ریاضی ابایی نداریم و در عین حال تمرینها و کد نمونه را برای اعمال آنچه که به تازگی آموختهاید ارائه میکنیم.
هدف این است که پایهای قوی برای دانشآموزان فراهم کنیم، نه فقط تئوری، نه فقط برنامهنویسی، بلکه هر دو. در پایان دوره شما قادر خواهید بود تشخیص دهید که کدام مشکلات را می توان با یادگیری عمیق حل کرد، می توانید انواع مدل های شبکه عصبی را طراحی و آموزش دهید و می توانید از محاسبات ابری برای افزایش سرعت استفاده کنید. آموزش دهید و عملکرد مدل خود را بهبود بخشید.
سرفصل ها و درس ها
به دوره خوش آمدید!
Welcome to the course!
به دوره خوش آمدید!
Welcome to the course!
معرفی
Introduction
کاربردهای دنیای واقعی یادگیری عمیق
Real world applications of deep learning
Anaconda را دانلود و نصب کنید
Download and install Anaconda
راهنمای ویدیوی نصب
Installation Video Guide
کد دوره را دریافت کنید
Obtain the code for the course
بررسی پوشه دوره
Course Folder Walkthrough
اولین مدل یادگیری عمیق شما
Your first deep learning model
داده ها
Data
بخش 2 مقدمه
Section 2 Intro
داده های جدولی
Tabular data
کاوش داده ها با کد پاندا به همراه
Data exploration with Pandas code along
کاوش داده های بصری
Visual data Exploration
توطئه با Matplotlib
Plotting with Matplotlib
داده های بدون ساختار
Unstructured Data
تصاویر و صدا در ژوپیتر
Images and Sound in Jupyter
مهندسی ویژگی
Feature Engineering
ارائه تمرین 1
Exercise 1 Presentation
راه حل تمرین 1
Exercise 1 Solution
ارائه تمرین 2
Exercise 2 Presentation
راه حل تمرین 2
Exercise 2 Solution
ارائه تمرین 3
Exercise 3 Presentation
راه حل تمرین 3
Exercise 3 Solution
ارائه تمرین 4
Exercise 4 Presentation
راه حل تمرین 4
Exercise 4 Solution
ارائه تمرین 5
Exercise 5 Presentation
راه حل تمرین 5
Exercise 5 Solution
فراگیری ماشین
Machine Learning
بخش 3 مقدمه
Section 3 Intro
مشکلات یادگیری ماشین
Machine Learning Problems
یادگیری تحت نظارت
Supervised Learning
رگرسیون خطی
Linear Regression
تابع هزینه
Cost Function
کد تابع هزینه همراه
Cost Function code along
پیدا کردن بهترین مدل
Finding the best model
کد رگرسیون خطی همراه
Linear Regression code along
ارزیابی عملکرد
Evaluating Performance
ارزیابی کد عملکرد همراه با
Evaluating Performance code along
طبقه بندی
Classification
کد طبقه بندی همراه
Classification code along
بیش از حد برازش
Overfitting
اعتبار سنجی متقابل
Cross Validation
کد اعتبار سنجی متقاطع همراه
Cross Validation code along
ماتریس سردرگمی
Confusion matrix
کد ماتریس سردرگمی همراه
Confusion Matrix code along
کد پیشپردازش را به همراه داشته باشید
Feature Preprocessing code along
ارائه تمرین 1
Exercise 1 Presentation
راه حل تمرین 1
Exercise 1 solution
ارائه تمرین 2
Exercise 2 Presentation
راه حل تمرین 2
Exercise 2 solution
مقدمه یادگیری عمیق
Deep Learning Intro
بخش 4 مقدمه
Section 4 Intro
موفقیت های یادگیری عمیق
Deep Learning successes
شبکه های عصبی
Neural Networks
شبکه های عمیق تر
Deeper Networks
کد شبکه های عصبی همراه
Neural Networks code along
خروجی های متعدد
Multiple Outputs
کد طبقه بندی چند طبقه همراه
Multiclass classification code along
توابع فعال سازی
Activation Functions
به جلو تغذیه کنید
Feed forward
ارائه تمرین 1
Exercise 1 Presentation
راه حل تمرین 1
Exercise 1 Solution
ارائه تمرین 2
Exercise 2 Presentation
راه حل تمرین 2
Exercise 2 Solution
ارائه تمرین 3
Exercise 3 Presentation
راه حل تمرین 3
Exercise 3 Solution
ارائه تمرین 4
Exercise 4 Presentation
راه حل تمرین 4
Exercise 4 Solution
گرادیان نزول
Gradient Descent
بخش 5 مقدمه
Section 5 Intro
مشتقات و گرادیان
Derivatives and Gradient
شهود پس انتشار
Backpropagation intuition
قاعده زنجیره ای
Chain Rule
محاسبه مشتق
Derivative Calculation
پس انتشار کاملاً متصل
Fully Connected Backpropagation
نمادگذاری ماتریسی
Matrix Notation
کد آرایه های Numpy به همراه
Numpy Arrays code along
میزان یادگیری
Learning Rate
کد نرخ یادگیری همراه
Learning Rate code along
گرادیان نزول
Gradient Descent
کد گرادیان نزول همراه
Gradient Descent code along
EWMA
EWMA
بهینه سازها
Optimizers
کدهای بهینه ساز همراه با
Optimizers code along
کد مقدار دهی اولیه به همراه
Initialization code along
کد تجسم لایه های داخلی به همراه
Inner Layers Visualization code along
ارائه تمرین 1
Exercise 1 Presentation
راه حل تمرین 1
Exercise 1 Solution
ارائه تمرین 2
Exercise 2 Presentation
راه حل تمرین 2
Exercise 2 Solution
ارائه تمرین 3
Exercise 3 Presentation
راه حل تمرین 3
Exercise 3 Solution
ارائه تمرین 4
Exercise 4 Presentation
راه حل تمرین 4
Exercise 4 Solution
تانسوربرد
Tensorboard
شبکه های عصبی کانولوشنال
Convolutional Neural Networks
بخش 6 مقدمه
Section 6 Intro
ویژگی های Pixels
Features from Pixels
طبقه بندی MNIST
MNIST Classification
کد طبقه بندی MNIST همراه
MNIST Classification code along
فراتر از پیکسل ها
Beyond Pixels
تصاویر به عنوان تانسور
Images as Tensors
کد ریاضی تانسور همراه
Tensor Math code along
پیچیدگی در 1 D
Convolution in 1 D
پیچیدگی در کد 1 بعدی همراه
Convolution in 1 D code along
پیچیدگی در 2 D
Convolution in 2 D
کد فیلترهای تصویر همراه
Image Filters code along
لایه های کانولوشنال
Convolutional Layers
کد لایه های کانولوشنال به همراه
Convolutional Layers code along
لایه های ترکیبی
Pooling Layers
ادغام کد لایه ها به همراه
Pooling Layers code along
شبکه های عصبی کانولوشنال
Convolutional Neural Networks
کد شبکه های عصبی کانولوشنال همراه
Convolutional Neural Networks code along
وزن در CNN ها
Weights in CNNs
فراتر از تصاویر
Beyond Images
ارائه تمرین 1
Exercise 1 Presentation
راه حل تمرین 1
Exercise 1 Solution
ارائه تمرین 2
Exercise 2 Presentation
راه حل تمرین 2
Exercise 2 Solution
پردازنده های گرافیکی ابری
Cloud GPUs
راه اندازی نوت بوک GPU مشارکتی Google
Google Colaboratory GPU notebook setup
راه اندازی نوت بوک GPU Floyd
Floyd GPU notebook setup
شبکه های عصبی مکرر
Recurrent Neural Networks
بخش 8 مقدمه
Section 8 Intro
سری زمانی
Time Series
مشکلات توالی
Sequence problems
وانیل RNN
Vanilla RNN
LSTM و GRU
LSTM and GRU
کد پیشبینی سری زمانی همراه
Time Series Forecasting code along
پیش بینی سری های زمانی با کد LSTM به همراه
Time Series Forecasting with LSTM code along
پنجره های نورد
Rolling Windows
در حال چرخاندن کدهای ویندوز
Rolling Windows code along
ارائه تمرین 1
Exercise 1 Presentation
راه حل تمرین 1
Exercise 1 Solution
ارائه تمرین 2
Exercise 2 Presentation
راه حل تمرین 2
Exercise 2 Solution
بهبود عملکرد
Improving performance
بخش 9 مقدمه
Section 9 Intro
منحنی های یادگیری
Learning curves
کد منحنی های یادگیری همراه
Learning curves code along
عادی سازی دسته ای
Batch Normalization
کد عادی سازی دسته ای همراه
Batch Normalization code along
ترک تحصیل
Dropout
کد انصراف و منظم سازی همراه با
Dropout and Regularization code along
افزایش داده ها
Data Augmentation
یادگیری مستمر
Continuous Learning
کد مولد تصویر همراه
Image Generator code along
جستجوی فراپارامتر
Hyperparameter search
جاسازی ها
Embeddings
کد جاسازی ها همراه
Embeddings code along
کد تحلیل احساسات نقدهای فیلم همراه با
Movies Reviews Sentiment Analysis code along
نمایش نظرات
نظری ارسال نشده است.