آموزش شبکه‌های عصبی و جنگل‌های تصادفی - آخرین آپدیت

دانلود Neural Networks and Random Forests

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، با تکیه بر دانش مدل‌های پایه، به بررسی تکنیک‌های پیشرفته هوش مصنوعی خواهیم پرداخت. ابتدا با نگاهی عمیق به شبکه‌های عصبی، ساختار و ویژگی‌های آن‌ها را از پایه بررسی می‌کنیم. سپس مدل‌های ساده شبکه عصبی را کدنویسی کرده و روش‌های جلوگیری از بیش‌برازش (Overfitting)، منظم‌سازی (Regularization) و سایر ترفندهای هایپرپارامتر را می‌آموزیم. پس از اجرای پروژه‌ای برای پیش‌بینی احتمال بیماری قلبی بر اساس ویژگی‌های سلامتی، به سراغ جنگل‌های تصادفی (Random Forests) می‌رویم. در این بخش، تفاوت‌های بین این دو تکنیک را شرح داده و ریشه‌های متفاوت آن‌ها را با جزئیات بررسی می‌کنیم. در نهایت، پروژه‌ای را برای پیش‌بینی شباهت بین بیماران با استفاده از جنگل‌های تصادفی به اتمام می‌رسانیم.

سرفصل ها و درس ها

مقدمه‌ای بر شبکه‌های عصبی Introduction to Neural Networks

  • معرفی دوره Course Intro

  • معرفی ماژول Module Intro

  • تجسم شبکه عصبی Neural Network Visualized

  • توابع زیان (Loss Functions) Loss Functions

  • توابع فعال‌ساز (Activation Functions) Activation Functions

بررسی عمیق شبکه‌های عصبی Deep Dive into Neural Networks

  • معرفی ماژول Module Intro

  • آشنایی با TensorFlow و Keras Introduction to TensorFlow and Keras

  • بررسی تخصصی Keras Deep Dive into Keras

کاوش در جنگل‌های تصادفی Exploring Random Forests

  • معرفی ماژول Module Intro

  • بررسی درخت‌ها Exploring Trees

پروژه نهایی: مقایسه مدل‌ها برای پیش‌بینی عرض کاسبرگ Final Project: Comparing Models to Predict Sepal Width

نمایش نظرات

آموزش شبکه‌های عصبی و جنگل‌های تصادفی
جزییات دوره
10h 16m
10
(آخرین آپدیت)
5,132
- 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