لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق: شبکه های عصبی در پایتون با استفاده از مطالعات موردی
Deep Learning: Neural Networks in Python using Case Studies
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
بیاموزید که چگونه یک شبکه عصبی از بلوک های ساختمانی اولیه با استفاده از پایتون ساخته می شود یاد بگیرید که چگونه یک شبکه عصبی از بلوک های ساختمانی اصلی (نرون) ساخته می شود یاد بگیرید چگونه یادگیری عمیق کار می کند کدگذاری یک شبکه عصبی از ابتدا در پایتون و numpy انواع مختلف شبکه های عصبی و انواع مختلفی از مسائلی که برای پیش نیازها استفاده می شوند: ریاضی پایه (مشتقات حساب، محاسبات ماتریس، احتمال) Numpy و Python را نصب کنید نگران نصب TensorFlow نباشید، ما این کار را در سخنرانی ها انجام خواهیم داد. آشنایی با محتوای دوره رگرسیون لجستیک من (هزینه آنتروپی متقابل، نزول گرادیان، نورون ها، XOR، دونات) زمینه مناسبی را برای این دوره در اختیار شما قرار می دهد.
هوش مصنوعی به طور تصاعدی در حال رشد است. درباره اون هیچ شکی نیست. ماشینهای خودران میلیونها مایل را طی میکنند، IBM Watson بیماران را بهتر از ارتش پزشکان تشخیص میدهد و AlphaGo Google Deepmind قهرمان جهان را در Go شکست داد - بازی که در آن شهود نقش کلیدی دارد. اما هرچه هوش مصنوعی بیشتر پیشرفت کند، مشکلاتی که باید حل کند پیچیده تر می شود. و تنها یادگیری عمیق می تواند چنین مشکلات پیچیده ای را حل کند و به همین دلیل است که در قلب هوش مصنوعی قرار دارد. یادگیری عمیق به طور فزاینده ای بر فناوری تسلط یافته و پیامدهای عمده ای برای جامعه دارد. از خودروهای خودران تا تشخیصهای پزشکی، از تشخیص چهره تا تقلبیهای عمیق، و از ترجمه زبان تا تولید موسیقی، یادگیری عمیق مانند آتشسوزی در تمام حوزههای فناوری مدرن در حال گسترش است. اما یادگیری عمیق تنها در مورد برنامه های فوق العاده شیک، پیشرفته و بسیار پیچیده نیست. یادگیری عمیق به طور فزاینده ای به یک ابزار استاندارد در یادگیری ماشینی، علم داده و آمار تبدیل می شود. یادگیری عمیق توسط استارتآپهای کوچک برای دادهکاوی و کاهش ابعاد، توسط دولتها برای تشخیص فرار مالیاتی و توسط دانشمندان برای شناسایی الگوها در دادههای تحقیقاتی استفاده میشود. یادگیری عمیق اکنون در بیشتر زمینه های فناوری، تجارت و سرگرمی استفاده می شود. و هر سال اهمیت بیشتری پیدا می کند.
بیاموزید که یادگیری عمیق چگونه کار می کند (نه فقط برخی از نمودارها و کد جعبه سیاه جادویی)
بیاموزید که چگونه یک شبکه عصبی از بلوکهای اصلی ساختمان (نرون) ساخته میشود
یک شبکه عصبی را از ابتدا در پایتون و numpy کدنویسی کنید
یک شبکه عصبی را با استفاده از TensorFlow Google کدنویسی کنید
انواع مختلف شبکه های عصبی و انواع مختلفی از مشکلاتی که برای آنها استفاده می شود را شرح دهید
قانون پس انتشار را از اصول اولیه استخراج کنید
سرفصل ها و درس ها
یادگیری عمیق: شبکه عصبی کانولوشن CNN با استفاده از پایتون
Deep Learning: Convolutional Neural Network CNN using Python
معرفی پروژه
Introduction of Project
مروری بر CNN
Overview of CNN
تاسیسات و ساختار مجموعه داده
Installations and Dataset Structure
واردات کتابخانه ها
Import libraries
کدگذاری مدل و لایه های CNN
CNN Model and Layers Coding
پیش پردازش و تقویت داده ها
Data Preprocessing and Augmentation
آشنایی با مولد داده
Understanding Data generator
پیشبینی روی تصویر واحد
Prediction on Single Image
درک مدل های مختلف و دقت
Understanding Different Models and Accuracy
یادگیری عمیق: شبکه عصبی مصنوعی ANN با استفاده از پایتون
Deep Learning: Artificial Neural Network ANN using Python
معرفی پروژه
Introduction of Project
راه اندازی محیط برای ANN
Setup Environment for ANN
نصب ANN
ANN Installation
واردات کتابخانه ها و پیش پردازش داده ها
Import Libraries and Data Preprocessing
پیش پردازش داده ها
Data Preprocessing
پیش پردازش داده ها ادامه دارد
Data Preprocessing Continue
کاوش داده ها
Data Exploration
رمزگذاری
Encoding
رمزگذاری ادامه دهید
Encoding Continue
تهیه مجموعه داده برای آموزش
Preparation of Dataset for Training
مراحل ساخت ANN قسمت 1
Steps to Build ANN Part 1
مراحل ساخت ANN قسمت 2
Steps to Build ANN Part 2
مراحل ساخت ANN قسمت 3
Steps to Build ANN Part 3
مراحل ساخت ANN قسمت 4
Steps to Build ANN Part 4
پیش بینی ها
Predictions
پیش بینی ها ادامه دارد
Predictions Continue
نمونه گیری مجدد داده ها با عدم تعادل-یادگیری
Resampling Data with Imbalance-Learn
نمونهبرداری مجدد دادهها با عدم تعادل-آموزش ادامه دهید
Resampling Data with Imbalance-Learn Continue
یادگیری عمیق: RNN، LSTM، پیش بینی قیمت سهام با استفاده از پایتون
Deep Learning: RNN, LSTM, Stock Price Prognostics using Python
معرفی پروژه
Introduction of Project
نصب و راه اندازی
Installation
کتابخانه ها
Libraries
مجموعه داده کاوش
Dataset Explore
واردات کتابخانه ها
Import Libraries
پیش پردازش داده ها
Data Preprocessing
تجزیه و تحلیل داده های اکتشافی
Exploratory Data Analysis
تجزیه و تحلیل داده های اکتشافی ادامه دارد
Exploratory Data Analysis Continue
مقیاس بندی ویژگی ها
Feature Scaling
مقیاس گذاری ویژگی ادامه دارد
Feature Scaling Continue
بیشتر در مورد مقیاس بندی ویژگی ها
More on Feature Scaling
ساختمان RNN
Building RNN
ساخت RNN ادامه دارد
Building RNN Continue
آموزش شبکه
Training of Network
پیش بینی داده های تست
Prediction on Test Data
پیشبینی در دادههای آزمون ادامه دارد
Prediction on Test Data Continue
تجسم نتیجه نهایی
Final Result Visualization
یادگیری عمیق: پروژه با استفاده از شبکه عصبی کانولوشن CNN در پایتون
Deep Learning: Project using Convolutional Neural Network CNN in Python
مقدمه ای بر پروژه
Introduction to Project
Google Collab
Google Collab
وارد کردن بسته ها و داده ها
Importing Packages and Data
پیش پردازش و ایجاد مدل
Preprocessing and Model Creation
آموزش مدل و پیش بینی
Training the Model and Prediction
ایجاد مدل با استفاده از CNN
Model Creation using CNN
مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.
نمایش نظرات