کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش یادگیری عمیق - شبکه های عصبی مکرر با TensorFlow [ویدئو]

Deep Learning - Recurrent Neural Networks with TensorFlow [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: شبکه های عصبی مکرر نوعی معماری یادگیری عمیق هستند که برای پردازش داده های متوالی مانند سری های زمانی، متن، گفتار و ویدئو طراحی شده اند. RNN ها دارای مکانیزم حافظه هستند که به آنها اجازه می دهد اطلاعات ورودی های گذشته را حفظ کرده و از آن برای اطلاع رسانی به پیش بینی های خود استفاده کنند. TensorFlow 2 یک کتابخانه نرم افزار منبع باز محبوب برای یادگیری ماشینی و یادگیری عمیق است. این یک API سطح بالا برای ساخت و آموزش مدل های یادگیری ماشین، از جمله RNN ها ارائه می دهد. در این دوره فشرده، نحوه استفاده از TensorFlow 2 برای ساخت RNN را یاد خواهید گرفت. ما RNN ساده (واحد Elman)، GRU و LSTM را مطالعه می‌کنیم و به دنبال آن قابلیت‌های واحدهای RNN مختلف را از نظر توانایی آنها در تشخیص روابط غیرخطی و وابستگی‌های بلندمدت بررسی می‌کنیم. ما RNN ها را برای پیش بینی سری های زمانی و NLP اعمال خواهیم کرد. در مرحله بعد، ما LSTM ها را برای پیش بینی های "قیمت" سهام اعمال خواهیم کرد، اما به روشی متفاوت در مقایسه با بسیاری از منابع دیگر. بیشتر تحقیقی در مورد اینکه چه کارهایی را نباید انجام داد و چگونه اشتباهاتی را که اکثر وبلاگ ها و دوره ها هنگام پیش بینی سهام مرتکب می شوند انجام ندهیم، خواهد بود. در پایان این دوره، شما می توانید RNN های ساخت خود را با TensorFlow 2 بسازید. همه منابع این دوره در دسترس هستند: https://github.com/PacktPublishing/Deep-Learning---Recurrent-Neural-Networks-with-TensorFlow درباره RNN های ساده (واحد Elman) بیاموزید. GRU (واحد برگشتی دردار) را پوشش می دهد آموزش نحوه استفاده از LSTM (واحد حافظه کوتاه مدت بلند مدت) یاد بگیرید که چگونه پیش‌بینی سری‌های زمانی را پیش‌بینی کنید نحوه پیش بینی قیمت سهام و بازده سهام با LSTM را بیاموزید آموزش استفاده از RNN در NLP این دوره برای هر کسی که به یادگیری عمیق و یادگیری ماشین علاقه دارد یا برای هر کسی که می خواهد شبکه های عصبی مکرر را در TensorFlow 2 پیاده سازی کند طراحی شده است. فرد باید مهارت های برنامه نویسی پایتون مناسبی داشته باشد، باید بداند چگونه یک ANN پیشخور بسازد. در TensorFlow 2، و باید با کتابخانه های علم داده مانند NumPy و Matplotlib تجربه داشته باشد. RNN های خود را با TensorFlow 2 بسازید * RNN ها، سری های زمانی و داده های توالی را توضیح می دهد * پیش پردازش متن و طبقه بندی متن را با LSTM ها از قبل انجام دهید
سرفصل ها و درس ها

خوش آمدی Welcome

  • معرفی Introduction

  • طرح کلی Outline

شبکه‌های عصبی مکرر (RNN)، سری‌های زمانی و داده‌های توالی Recurrent Neural Networks (RNNs), Time Series, and Sequence Data

  • داده های توالی Sequence Data

  • پیش بینی Forecasting

  • مدل خطی خودرگرسیون برای پیش‌بینی سری‌های زمانی Autoregressive Linear Model for Time Series Prediction

  • اثبات اینکه مدل خطی کار می کند Proof That the Linear Model Works

  • شبکه های عصبی تکراری (واحد المان قسمت 1) Recurrent Neural Networks (Elman Unit Part 1)

  • شبکه های عصبی تکراری (واحد المان قسمت 2) Recurrent Neural Networks (Elman Unit Part 2)

  • آماده سازی کد RNN RNN Code Preparation

  • RNN برای پیش بینی سری های زمانی RNN for Time Series Prediction

  • توجه به اشکال Paying Attention to Shapes

  • GRU و LSTM (قسمت 1) GRU and LSTM (Part 1)

  • GRU و LSTM (قسمت 2) GRU and LSTM (Part 2)

  • دنباله ای چالش برانگیزتر A More Challenging Sequence

  • نمایش مشکل مسافت طولانی Demo of the Long-Distance Problem

  • RNN برای طبقه بندی تصویر (تئوری) RNN for Image Classification (Theory)

  • RNN برای طبقه بندی تصویر (کد) RNN for Image Classification (Code)

  • پیش بینی بازده سهام با استفاده از LSTMs (قسمت 1) Stock Return Predictions Using LSTMs (Part 1)

  • پیش بینی بازده سهام با استفاده از LSTMs (قسمت 2) Stock Return Predictions Using LSTMs (Part 2)

  • پیش بینی بازده سهام با استفاده از LSTM (قسمت 3) Stock Return Predictions Using LSTMs (Part 3)

  • راه های دیگر برای پیش بینی Other Ways to Forecast

  • صندوق پیشنهادات Suggestion Box

پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)

  • جاسازی ها Embeddings

  • تهیه کد (NLP) Code Preparation (NLP)

  • پیش پردازش متن Text Preprocessing

  • طبقه بندی متن با LSTMs Text Classification with LSTMs

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

آموزش یادگیری عمیق - شبکه های عصبی مکرر با TensorFlow [ویدئو]
جزییات دوره
4 h 6 m
26
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد

https://donyad.com/d/e95f16

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lazy Programmer Lazy Programmer

برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.

Python TensorFlow پایتون تنسورفلو Data Data Science داده علم داده