آموزش ساخت مدل های یادگیری بدون نظارت با TensorFlow

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

مقدمه ای بر یادگیری بدون نظارت Introduction to Unsupervised Learning

• بررسی نسخه Version Check

• پیش نیازها و نرم افزارهای مورد نیاز Prerequisites and Required Software

• یادگیری تحت نظارت Supervised Learning

• یادگیری بدون نظارت Unsupervised Learning

• مقدمه ای بر خوشه بندی Introduction to Clustering

• به حداقل رساندن شباهت درون خوشه ای؛ تشابه بین خوشه ای را به حداکثر برسانید Minimize Intra-cluster Similarity; Maximize Inter-cluster Similarity

• شهود در پس نحوه کار رمزگذارهای خودکار The Intuition Behind How Autoencoders Work

• درک تجزیه و تحلیل اجزای اصلی Understanding Principal Components Analysis

• کاهش ابعاد با استفاده از رمزگذارهای خودکار Dimensionality Reducing Using Autoencoders

خوشه بندی با استفاده از یادگیری بدون نظارت Clustering Using Unsupervised Learning

• The Intuition Behind K-به معنای خوشه بندی است The Intuition Behind K-means Clustering

• راه اندازی برای K-means Clustering Demos Setting up for K-means Clustering Demos

• نسخه ی نمایشی: K-به معنی خوشه بندی در آرایه های 1 بعدی Demo: K-means Clustering on 1D Arrays

• K-means Clustering: الگوریتم و انتخاب های طراحی K-means Clustering: Algorithm and Design Choices

• نسخه ی نمایشی: K-به معنای خوشه بندی در آرایه های دوبعدی Demo: K-means Clustering on 2D Arrays

• تنظیم فراپارامتر Hyperparameter Tuning

• نسخه ی نمایشی: K-به معنای خوشه بندی در مجموعه داده های MNIST Demo: K-means Clustering on the MNIST Dataset

• نسخه ی نمایشی: بهینه سازی الگوریتم در مجموعه داده MNIST Demo: Tweaking the Algorithm on the MNIST Dataset

• آشنایی با خوشه بندی سلسله مراتبی Understanding Hierarchical Clustering

• از موارد خوشه بندی استفاده کنید Use Cases of Clustering

شناخت نورون ها و شبکه های عصبی Understanding Neurons and Neural Networks

• یادگیری عمیق، شبکه های عصبی و نورون ها Deep Learning, Neural Networks, and Neurons

• نورون چگونه کار می کند؟ How Does a Neuron Work?

• بهینه سازی گرادیان نزولی Gradient Descent Optimization

• انتشار برگشتی در شبکه عصبی Back Propagation in a Neural Network

• ناپدید شدن، انفجار گرادیان ها، و نورون های در حال مرگ Vanishing, Exploding Gradients, and Dying Neurons

• بیش از حد، حذف، و منظم Overfitting, Dropout, and Regularisation

• بیش از حد، تنظیم، و ترک Overfitting, Regularisation, and Dropout

رمزگذارهای خودکار با استفاده از یادگیری بدون نظارت Autoencoders Using Unsupervised Learning

• رمزگذارهای خودکار به عنوان یک تکنیک یادگیری بدون نظارت Autoencoders as an Unsupervised Learning Technique

• رمزگذارهای خودکار ورودی را برای بازتولید در خروجی یاد می گیرند Autoencoders Learn the Input to Reproduce at the Output

• تجزیه و تحلیل اجزای اصلی Principal Components Analysis

• نسخه ی نمایشی: پیاده سازی PCA با استفاده از Matplotlib Demo: Implementing PCA Using Matplotlib

• رمزگذار خودکار ناقص The Undercomplete Autoencoder

• نسخه ی نمایشی: پیاده سازی رمزگذار خودکار برای انجام PCA Demo: Implementing an Autoencoder to Perform PCA

• نسخه ی نمایشی: پیاده سازی رمزگذار خودکار Stacked Demo: Implementing the Stacked Autoencoder

• نسخه ی نمایشی: پیاده سازی رمزگذار خودکار پشته ای با Dropout Demo: Implementing a Stacked Autoencoder with Dropout

• نسخه ی نمایشی: پیاده سازی یک رمزگذار خودکار حذف نویز Demo: Implementing a Denoising Autoencoder

• حذف نویز از رمزگذارهای خودکار و پیش آموزش بدون نظارت Denoising Autoencoders and Unsupervised Pre-training

• از موارد Autoencoder استفاده کنید Use Cases of Autoencoders