آموزش معماری RNN و طبقه‌بندی تحلیل احساسات - آخرین آپدیت

دانلود RNN Architecture and Sentiment Classification

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی در حال متحول کردن تحلیل داده‌ها است. این دوره به بررسی عمیق شبکه‌های عصبی بازگشتی (RNN) می‌پردازد که از مدل‌های حافظه پایه شروع شده و تا ساختارهای پیچیده RNN عمیق پیش می‌رود. شما در این دوره مدل‌های RNN مانند ManyToMany، ManyToOne و OneToMany را از طریق تمرینات عملی بررسی خواهید کرد و در نهایت به پیاده‌سازی طبقه‌بندی احساسات برای تحلیل پیشرفته متن و پیش‌بینی خواهید پرداخت. شما درک استواری از معماری‌های RNN به دست آورده و مدل‌های طبقه‌بندی احساسات را پیاده‌سازی می‌کنید. ویژگی‌های کلیدی این دوره شامل بررسی دقیق معماری RNN، پیاده‌سازی عملی با استفاده از PyTorch، کاربردهای تحلیل احساسات و تمرینات عملی است. در پایان این دوره، شما قادر خواهید بود مدل‌های مختلف RNN را برای کارهایی مانند تحلیل احساسات و مدل‌سازی زبان توسعه دهید، تفاوت مدل‌های حافظه با طول ثابت و نامحدود را درک کنید، از PyTorch برای ساخت و بهینه‌سازی مدل‌های RNN استفاده کنید و عملیات پیشرفته‌ای مانند گرادینت کاهشی و پس‌انتشار در زمان (BPTT) را اجرا نمایید. این دوره برای دانشمندان داده، مهندسان یادگیری ماشین و علاقه‌مندان به هوش مصنوعی که دانش پایه‌ای در برنامه‌نویسی و شبکه‌های عصبی دارند طراحی شده است و تئوری را از طریق آموزش‌های ویدئویی و مثال‌های واقعی با کاربردهای عملی ترکیب می‌کند.

سرفصل ها و درس ها

معماری RNN RNN Architecture

  • مقدمه‌ای بر ماژول Introduction to Module

  • مدل حافظه با طول ثابت Fixed Length Memory Model

  • تمرین مدل حافظه با طول ثابت Fixed Length Memory Model Exercise

  • حل تمرین مدل حافظه با طول ثابت بخش اول Fixed Length Memory Model Exercise Solution Part 01

  • حل تمرین مدل حافظه با طول ثابت بخش دوم Fixed Length Memory Model Exercise Solution Part 02

  • معماری حافظه نامحدود Infinite Memory Architecture

  • تمرین معماری حافظه نامحدود Infinite Memory Architecture Exercise

  • حل تمرین معماری حافظه نامحدود Infinite Memory Architecture Solution

  • اشتراک‌گذاری وزن‌ها Weight Sharing

  • نمادگذاری‌ها Notations

  • مدل ManyToMany ManyToMany Model

  • تمرین اول مدل ManyToMany ManyToMany Model Exercise 01

  • حل تمرین اول مدل ManyToMany ManyToMany Model Solution 01

  • تمرین دوم مدل ManyToMany ManyToMany Model Exercise 02

  • حل تمرین دوم مدل ManyToMany ManyToMany Model Solution 02

  • مدل ManyToOne ManyToOne Model

  • تمرین مدل OneToMany OneToMany Model Exercise

  • حل تمرین مدل OneToMany OneToMany Model Solution

  • مدل OneToMany OneToMany Model

  • تمرین مدل ManyToOne ManyToOne Model Exercise

  • حل تمرین مدل ManyToOne ManyToOne Model Solution

  • فعالیت Many to One Activity Many to One

  • تمرین فعالیت Many to One Activity Many to One Exercise

  • حل فعالیت Many to One Activity Many to One Solution

  • مدل ManyToMany با اندازه‌های متفاوت ManyToMany Different Sizes Model

  • فعالیت Many to Many NMT Activity Many to Many Nmt

  • خلاصه مدل Model Summary

  • شبکه‌های RNN عمیق Deep RNNs

  • تمرین RNNهای عمیق Deep RNNs Exercise

  • حل تمرین RNNهای عمیق Deep RNNs Solution

گرادینت کاهشی در RNN Gradient Descent in RNN

  • مقدمه‌ای بر ماژول گرادینت کاهشی Introduction to Gradient Descent Module

  • راه‌اندازی مثال Example Setup

  • معادلات Equations

  • تمرین معادلات Equations Exercise

  • حل معادلات Equations Solution

  • تابع زیان (Loss Function) Loss Function

  • چرا گرادینت‌ها Why Gradients

  • تمرین چرا گرادینت‌ها Why Gradients Exercise

  • حل تمرین چرا گرادینت‌ها Why Gradients Solution

  • قاعده زنجیره‌ای Chain Rule

  • قاعده زنجیره‌ای در عمل Chain Rule in Action

  • پس‌انتشار در زمان (BPTT) Back Propagation Through Time

  • فعالیت عملی Activity

پیاده‌سازی RNN RNN Implementation

  • مشتق‌گیری خودکار Automatic Differentiation

  • مشتق‌گیری خودکار در PyTorch Automatic Differentiation PyTorch

  • مدل‌سازی زبان: پیش‌بینی کلمه بعدی و شاخص واژگان Language Modeling Next Word Prediction Vocabulary Index

  • مدل‌سازی زبان: جاسازی‌های (Embeddings) شاخص واژگان Language Modeling Next Word Prediction Vocabulary Index Embeddings

  • مدل‌سازی زبان: معماری RNN برای پیش‌بینی کلمه بعدی Language Modeling Next Word Prediction RNN Architecture

  • مدل‌سازی زبان: پیاده‌سازی پایتون ۱ Language Modeling Next Word Prediction Python 1

  • مدل‌سازی زبان: پیاده‌سازی پایتون ۲ Language Modeling Next Word Prediction Python 2

  • مدل‌سازی زبان: پیاده‌سازی پایتون ۳ Language Modeling Next Word Prediction Python 3

  • مدل‌سازی زبان: پیاده‌سازی پایتون ۴ Language Modeling Next Word Prediction Python 4

  • مدل‌سازی زبان: پیاده‌سازی پایتون ۵ Language Modeling Next Word Prediction Python 5

  • مدل‌سازی زبان: پیاده‌سازی پایتون ۶ Language Modeling Next Word Prediction Python 6

طبقه‌بندی احساسات با استفاده از RNN Sentiment Classification Using RNN

  • پیاده‌سازی واژگان (Vocabulary) Vocabulary Implementation

  • کمک‌کننده‌های پیاده‌سازی واژگان Vocabulary Implementation Helpers

  • پیاده‌سازی واژگان از طریق فایل Vocabulary Implementation from File

  • بردارساز (Vectorizer) Vectorizer

  • راه‌اندازی RNN بخش ۱ RNN Setup 1

  • راه‌اندازی RNN بخش ۲ RNN Setup 2

  • گام‌های بعدی What Next

نمایش نظرات

آموزش معماری RNN و طبقه‌بندی تحلیل احساسات
جزییات دوره
7h 58m
61
(آخرین آپدیت)
203
- 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