آموزش ملزومات سوادآموزی: مفاهیم اصلی یادگیری عمیق

Literacy Essentials: Core Concepts Deep Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این روزها یادگیری عمیق یک مهارت ضروری برای یک دانشمند داده است. این دوره به شما می آموزد که چگونه شبکه های عصبی کار می کنند، کجا استفاده می شوند، و چگونه می توانید آنها را برای مشکلات خود به کار ببرید. در دسترس بودن و افزایش کیفیت داده ها، همراه با سخت افزار قدرتمند، باعث علاقه گسترده ای به حوزه عمیق شده است. یادگیری. برای یک دانشمند داده یا مهندس یادگیری ماشین ضروری است. در این دوره آموزشی، Literacy Essentials: Core Concepts Deep Learning، کارکرد درونی یادگیری عمیق را درک کرده و قدردانی خواهید کرد و یاد خواهید گرفت که چگونه آن را در یک مشکل به کار ببرید. ابتدا، یک نمای کلی از چیستی یادگیری عمیق، استفاده از آن در صنعت، و تفاوت آن با یادگیری ماشینی دریافت خواهید کرد. در مرحله بعد، عمیق‌تر در دنیای یادگیری عمیق فرو خواهید رفت و نحوه عملکرد کل عملیات را درک خواهید کرد. در نهایت، نگاهی گذرا به انواع مختلف شبکه های عصبی و مشکلات حل آنها خواهید داشت. وقتی این دوره را تمام کردید، درک محکمی از یادگیری عمیق و توانایی مقابله با مشکلات اساسی با آن خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مقدمه ای بر یادگیری عمیق Introduction to Deep Learning

  • معرفی دوره و نمای کلی ماژول Course Introduction and Module Overview

  • یادگیری عمیق چیست؟ What Is Deep Learning?

  • کاربردهای یادگیری عمیق در صنعت Applications of Deep Learning in the Industry

  • چارچوب های یادگیری عمیق Deep Learning Frameworks

  • نسخه ی نمایشی: مقدمه ای بر مشکل و مجموعه داده Demo: Introduction to the Problem and Dataset

  • نسخه ی نمایشی: تنظیم محیط شما Demo: Setting up Your Environment

  • خلاصه ماژول Module Summary

کارهای درونی یادگیری عمیق The Inner Workings of Deep Learning

  • نمای کلی ماژول Module Overview

  • پرسپترون: از نورون های بیولوژیکی تا مصنوعی The Perceptron: From Biological to Artificial Neurons

  • توابع فعال سازی Activation Functions

  • طراحی و کار شبکه عصبی The Design and Working of a Neural Network

  • گرادیان نزول Gradient Descent

  • نسخه ی نمایشی: کاوش مجموعه داده های پایه Demo: Basic Dataset Exploration

  • نسخه ی نمایشی: آماده سازی داده ها - قسمت 1 Demo: Preparing the Data - Part 1

  • نسخه ی نمایشی: آماده سازی داده ها - قسمت 2 Demo: Preparing the Data - Part 2

  • نسخه ی نمایشی: ساخت، آموزش، و ارزیابی یک شبکه عصبی Demo: Building, Training, and Evaluating a Neural Network

  • خلاصه ماژول Module Summary

انواع شبکه های عصبی و کاربرد آنها Types of Neural Networks and Their Uses

  • نمای کلی ماژول Module Overview

  • شبکه های عصبی کانولوشنال Convolutional Neural Networks

  • شبکه های عصبی مکرر Recurrent Neural Networks

  • شبکه های حافظه کوتاه مدت بلند مدت Long Short-term Memory Networks

  • شبکه های متخاصم مولد Generative Adversarial Networks

  • رمزگذارهای خودکار Autoencoders

  • خلاصه ماژول و بازخورد دوره Module Summary and Course Feedback

نمایش نظرات

آموزش ملزومات سوادآموزی: مفاهیم اصلی یادگیری عمیق
جزییات دوره
1h 18m
25
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
11
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pratheerth Padman Pratheerth Padman

Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.