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

  • پیش بینی مدل CNN CNN Model Prediction

نمایش نظرات

آموزش یادگیری عمیق: شبکه های عصبی در پایتون با استفاده از مطالعات موردی
جزییات دوره
6.5 hours
51
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,670
5 از 5
ندارد
دارد
دارد
EDU CBA
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

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.