راه حل های یادگیری عمیق پایتون [ویدئو]

سرفصل ها و درس ها

چارچوب های یادگیری عمیق Deep Learning Frameworks

• نمای کلی دوره The course overview

• آشنایی با TensorFlow، Keras و PyTorch Framework Understanding TensorFlow, Keras and PyTorch Framework

• یادگیری عمیق با استفاده از CNTK و چارچوب Gluon Deep Learning Using CNTK and Gluon Framework

شبکه های عصبی فید فوروارد Feed-Forward Neural Networks

• پیاده سازی شبکه عصبی تک لایه و چند لایه Implementing Single and Multi-Layer Neural Network

• با توابع فعال سازی، لایه های پنهان و واحدهای پنهان آزمایش کنید Experiment with Activation Functions, Hidden Layers, and Hidden Units

• رمزگذار خودکار، عملکرد از دست دادن، و بهینه سازها Autoencoder, Loss Function, and Optimizers

• روش های پیشگیری بیش از حد Overfitting Prevention Methods

شبکه های عصبی کانولوشنال و بازگشتی Convolutional and Recurrent Neural Networks

• تکنیک های بهینه سازی برای CNN ها Optimization Techniques for CNNs

• آزمایش با انواع مختلف اولیه سازی Experimenting with Different Types of Initialization

• پیاده سازی ساده RNN و LSTM Implementing Simple RNN and LSTM

• پیاده سازی GRU ها و RNN های دوطرفه Implementing GRUs and Bidirectional RNNs

GAN ها و Computer Vision GANs and Computer Vision

• پیاده سازی شبکه های متخاصم مولد Implementing Generative Adversarial Networks

• تکنیک های بینایی کامپیوتر Computer Vision Techniques

• تشخیص نقاط کلیدی صورت و انتقال سبک Detecting Facial Key Points and Transferring Styles

یادگیری شبکه عصبی و پردازش داده Neural Network Learning and Data Processing

• انتخاب و تنظیم Hyper Parameter Hyper Parameter Selection and Tuning

• تشخیص گفتار Speech Recognition

• سری زمانی و داده های ساخت یافته Time Series and Structured Data

شبکه های داخلی و مدل های از پیش آموزش دیده Network Internals and Pretrained Models

• تجسم و تحلیل شبکه Visualizing and Analysing Network

• انجماد و ذخیره سازی شبکه Freezing and Storing the Network

• با استفاده از مدل InceptionV3 و ResNet50 Using InceptionV3 and ResNet50 Model

• استفاده از مدل VGG و تنظیم دقیق Leveraging VGG Model and Fine Tuning