آموزش یادگیری عمیق: شبکه‌های عصبی کانولوشنال با TensorFlow - آخرین آپدیت

دانلود Deep Learning: Convolutional Neural Networks with TensorFlow

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک می‌کند تا دانش خود را آزمایش کنید، پیش‌فرض‌ها را به چالش بکشید و با پیشروی در دوره، درک خود را عمیق‌تر کنید. با تسلط بر شبکه‌های عصبی کانولوشنال (CNNs) و یادگیری انتقالی (Transfer Learning) از طریق تجربه عملی با TensorFlow و Keras، پتانسیل‌های یادگیری عمیق را آزاد کنید. این دوره یک معرفی جامع از CNNها ارائه می‌دهد و شما را از مبانی تئوری، پیاده‌سازی‌های عملی و کاربردهای آن‌ها در طبقه‌بندی تصاویر و متن راهنمایی می‌کند. با کدنویسی عملی در TensorFlow، شما مدل‌ها را بر روی مجموعه‌داده‌های واقعی مانند CIFAR-10 و Fashion MNIST ساخته، بهینه کرده و آزمایش خواهید کرد. در دنیای شبکه‌های عصبی کانولوشنال (CNNs) با TensorFlow غوطه‌ور شوید. با شروع از مبانی کانولوشن، موضوعات پیشرفته‌ای مانند افزایش داده‌ها (Data Augmentation)، نرمال‌سازی دسته‌ای (Batch Normalization) و یادگیری انتقالی را بررسی خواهید کرد. شما نه‌تنها روی مجموعه‌داده‌های تصویری کار می‌کنید، بلکه بینش‌هایی در مورد به‌کارگیری CNNها برای پردازش زبان طبیعی (NLP) به دست خواهید آورد. چه از صفر مدل بسازید و چه از مدل‌های پیش‌آموزش‌دیده استفاده کنید، این دوره شما را به مهارت‌های لازم برای استقرار CNNها در کاربردهای واقعی مجهز می‌کند. دوره با ایجاد یک درک تئوری قوی از CNNها، تجزیه و تحلیل کانولوشن‌ها، فیلترها و لایه‌ها آغاز می‌شود. پس از آن، CNNها را برای مجموعه‌داده‌های محبوبی مانند Fashion MNIST و CIFAR-10 پیاده‌سازی کرده و وارد جلسات کدنویسی عملی با TensorFlow و Keras می‌شوید. تمرینات کاربردی مانند افزایش داده‌ها و نرمال‌سازی دسته‌ای، توانایی شما را در بهبود عملکرد مدل افزایش می‌دهد. در ادامه، CNNها را در زمینه پردازش زبان طبیعی بررسی کرده و می‌آموزید که چگونه می‌توان از آن‌ها برای طبقه‌بندی متن استفاده کرد. بخش نهایی بر یادگیری انتقالی تمرکز دارد، جایی که با مدل‌های پیش‌آموزش‌دیده مانند VGG و ResNet کار کرده و آن‌ها را روی مجموعه‌داده‌های جدید اعمال می‌کنید. این دوره برای دانشمندان داده، مهندسان یادگیری ماشین و توسعه‌دهندگانی که با پایتون، TensorFlow و مفاهیم پایه یادگیری عمیق آشنا هستند، ایده‌آل است. شما باید درک محکمی از شبکه‌های عصبی داشته باشید و تجربه کدنویسی در پایتون برای دنبال کردن جنبه‌های عملی دوره ضروری است. آشنایی با TensorFlow توصیه می‌شود اما اجباری نیست.

سرفصل ها و درس ها

خوش‌آمدگویی Welcome

  • مقدمه Introduction

  • سرفصل‌ها Outline

شبکه‌های عصبی کانولوشنال (CNNs) Convolutional Neural Networks (CNNs)

  • کانولوشن چیست؟ (بخش اول) What Is Convolution? (Part 1)

  • کانولوشن چیست؟ (بخش دوم) What Is Convolution? (Part 2)

  • کانولوشن چیست؟ (بخش سوم) What Is Convolution? (Part 3)

  • کانولوشن روی تصاویر رنگی Convolution on Color Images

  • معماری CNN CNN Architecture

  • آماده‌سازی کد CNN CNN Code Preparation

  • استفاده از CNN برای Fashion MNIST CNN for Fashion MNIST

  • استفاده از CNN برای CIFAR 10 CNN for CIFAR-10

  • افزایش داده‌ها (Data Augmentation) Data Augmentation

  • نرمال‌سازی دسته‌ای (Batch Normalization) Batch Normalization

  • بهبود نتایج CIFAR 10 Improving CIFAR-10 Results

  • باکس پیشنهادات Suggestion Box

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

  • جایگذاری‌ها (Embeddings) Embeddings

  • آماده‌سازی کد (NLP) Code Preparation (NLP)

  • پیش‌پردازش متن Text Preprocessing

  • استفاده از CNN برای متن CNNs for Text

  • طبقه‌بندی متن با CNNها Text Classification with CNNs

یادگیری انتقالی برای بینایی ماشین Transfer Learning for Computer Vision

  • تئوری یادگیری انتقالی Transfer Learning Theory

  • برخی مدل‌های پیش‌آموزش‌دیده (VGG, ResNet, Inception, MobileNet) Some Pre-Trained Models (VGG, ResNet, Inception, MobileNet)

  • مجموعه‌داده‌های بزرگ و ژنراتورهای داده Large Datasets and Data Generators

  • دو رویکرد در یادگیری انتقالی 2 Approaches to Transfer Learning

  • کدنویسی یادگیری انتقالی (بخش اول) Transfer Learning Code (Part 1)

  • کدنویسی یادگیری انتقالی (بخش دوم) Transfer Learning Code (Part 2)

نمایش نظرات

آموزش یادگیری عمیق: شبکه‌های عصبی کانولوشنال با TensorFlow
جزییات دوره
5h 14m
25
(آخرین آپدیت)
300
- 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