آموزش یادگیری عمیق برای هوش مصنوعی - بخش اول - آخرین آپدیت

دانلود Deep Learning for AI Part 1

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره، بخش اول از یک مجموعه دو قسمتی در سطح تحصیلات تکمیلی در زمینه یادگیری عمیق است. در این دوره، مبانی یادگیری عمیق مدرن و معماری‌های عصبی اصلی که پشتوانه سیستم‌های هوش مصنوعی امروزی هستند، پی‌ریزی می‌شود. شما مسیر یادگیری را از نحوه یادگیری شبکه‌های عصبی (از طریق انتشار پیشرو و پس‌انتشار) آغاز کرده و به شبکه‌های کانولوشنال برای بینایی ماشین، شبکه‌های بازگشتی برای داده‌های متوالی و اولین معماری‌های مولد شامل اتوانکودرهای متغیر (VAE)، شبکه‌های مولد رقابتی (GAN) و ترنسفورمرها خواهید رسید. این دوره بر هر دو جنبه درک مفهومی و پیاده‌سازی عملی در TensorFlow/Keras و PyTorch تأکید دارد. بخش دوم دوره به مدل‌سازی‌های مولد پیشرفته اختصاص خواهد یافت.

سرفصل ها و درس ها

بررسی کلی شبکه‌های عصبی و یادگیری عمیق Overview of Neural Networks and Deep Learning

  • چرا یادگیری عمیق؟ کاربردهای مدرن هوش مصنوعی Why Deep Learning? Modern AI Applications

  • شبکه‌های عصبی Neural Networks

شبکه‌های عصبی کانولوشنال Convolutional Neural Networks

  • نرمال‌سازی دسته‌ای، دراپ‌اوت و توابع فعال‌ساز Batch Normalization, Dropout, and Activation Functions

مقدمه‌ای بر بینایی ماشین Introduction to Computer Vision

شبکه‌های عصبی بازگشتی Recurrent Neural Networks

اتوانکودرهای متغیر Variational Autoencoders

  • کانولوشن ترانهاده Transposed Convolution

شبکه‌های مولد رقابتی Generative Adversarial Networks

ترنسفورمرها Transformers

  • مکانیزم توجه (Attention) The Attention Mechanism

نمایش نظرات

آموزش یادگیری عمیق برای هوش مصنوعی - بخش اول
جزییات دوره
22h 46m
5
(آخرین آپدیت)
82
- 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