آموزش مفاهیم پیشرفته و پروژه‌های شبکه عصبی بازگشتی (RNN) - آخرین آپدیت

دانلود Advanced RNN Concepts and Projects

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره پیشرفته در زمینه شبکه‌های عصبی بازگشتی (RNNs)، به چالش‌های کلیدی مانند مشکل محوشدگی گرادینت (Vanishing Gradient) می‌پردازد و راهکارهایی نظیر واحدهای بازگشتی دریچه‌ای (GRU) و شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM) را ارائه می‌دهد. شما با بررسی کلی ماژول‌های بهبودیافته RNN شروع کرده و سپس به بررسی RNNهای دوطرفه و مدل‌های توجه (Attention Models) می‌پردازید تا پایه‌ای قوی در مفاهیم پیشرفته RNN ایجاد کنید. در این دوره بر پیاده‌سازی عملی با استفاده از TensorFlow تأکید شده است و پروژه‌هایی مانند تولید متن و پیش‌بینی قیمت سهام برای تثبیت یادگیری شما گنجانده شده است. این دوره تضمین می‌کند که مهارت‌های لازم برای مقابله با مشکلات واقعی هوش مصنوعی را با اعتماد به نفس به دست آورید. از طریق آموزش‌های ویدئویی، پروژه‌های واقعی و تمرینات عملی، دانش و مهارت‌های پیشرفته مورد نیاز برای برتری در حوزه AI را کسب خواهید کرد. در پایان، شما قادر خواهید بود مدل‌های پیشرفته RNN را توسعه داده و به کار ببرید، GRUها، LSTMها و مکانیسم‌های توجه را درک و پیاده‌سازی کنید، از TensorFlow برای مدل‌های RNN استفاده نمایید و این مدل‌ها را در پروژه‌هایی مانند تولید متن و پیش‌بینی قیمت سهام به کار گیرید. این دوره برای دانشمندان داده، مهندسان یادگیری ماشین و علاقه‌مندان به هوش مصنوعی که درک مناسبی از RNNهای پایه و شبکه‌های عصبی دارند طراحی شده و درس‌های تئوری عمیق را با کاربردهای عملی گسترده ترکیب می‌کند.

سرفصل ها و درس ها

محوشدگی گرادینت در RNN Vanishing Gradients in RNN

  • آشنایی با ماژول بهبودیافته RNN Introduction to a Better RNN Module

  • مقدمه‌ای بر محوشدگی گرادینت در RNN Introduction to Vanishing Gradients in RNN

  • واحد بازگشتی دریچه‌ای (GRU) Gated Recurrent Unit (GRU)

  • معادلات واحد بازگشتی دریچه‌ای (GRU) Gated Recurrent Unit (GRU) Equations

  • حافظه طولانی کوتاه‌مدت (LSTM) Long Short Term Memory (LSTM)

  • معادلات حافظه طولانی کوتاه‌مدت (LSTM) Long Short Term Memory (LSTM) Equations

  • شبکه‌های عصبی بازگشتی دوطرفه Bidirectional Recurrent Neural Networks

  • مدل توجه (Attention Model) Attention Model

  • معادلات مدل توجه Attention Model Equation

تنسورفلو (TensorFlow) TensorFlow

  • مقدمه Introduction

  • مثال طبقه‌بندی متن در TensorFlow با استفاده از RNNها TensorFlow Text Classification Example using RNNs

پروژه اول: نویسنده کتاب Project 1: Book Writer

  • مقدمه Introduction

  • نگاشت داده‌ها Data Mapping

  • مدل‌سازی معماری RNN Modelling RNN Architecture

  • مدل‌سازی RNN در TensorFlow Modelling RNN Model in TensorFlow

  • مدل‌سازی آموزش مدل RNN Modelling RNN Model Training

  • مدل‌سازی تولید متن با RNN Modelling RNN Model Text Generation

  • فعالیت عملی Activity

پروژه دوم: پیش‌بینی قیمت سهام Project 2: Stock Price Prediction

  • بیان مسئله Problem Statement

  • مجموعه داده‌ها (Dataset) Dataset

  • آماده‌سازی داده‌ها Data Preparation

  • آموزش و ارزیابی مدل RNN RNN Model Training and Evaluation

  • فعالیت عملی Activity

مطالعه بیشتر و منابع Further Reading and Resources

  • مطالعه بیشتر و منابع Further Reading and Resources

نمایش نظرات

آموزش مفاهیم پیشرفته و پروژه‌های شبکه عصبی بازگشتی (RNN)
جزییات دوره
6h 28m
24
(آخرین آپدیت)
217
- 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