نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
یک شبکه عصبی مصنوعی از مغز انسان به عنوان الهام برای ایجاد یک سیستم یادگیری ماشینی پیچیده استفاده می کند. آنها میتوانند میلیونها صدا، ویدیو و تصویر را طبقهبندی کنند، به سؤالات ما پاسخ دهند، رفتارهای ما را درک کنند و حتی اتومبیلهای ما را برانند. شبکه های عصبی همچنین پایه و اساس هوش مصنوعی مولد هستند.
این دوره به معرفی تکنیک ها و اصول اساسی شبکه های عصبی، مدل های رایج و کاربردهای آنها می پردازد. مربی Gwendolyn Stripling شما را از طریق معماری های مختلف شبکه عصبی، اجزای آنها، موارد استفاده مناسب و بهترین شیوه ها برای بهبود عملکرد مدل شبکه عصبی راهنمایی می کند. به علاوه، با استفاده از Keras Sequential API، یک کتابخانه منبع باز که طراحی و آموزش شبکه های عصبی را ابهام می کند، تجربه عملی در ساخت و آموزش یک شبکه عصبی به دست آورید. اگر به دنبال دستیابی به درک کاملی از نحوه ساخت، آموزش، بهبود و استفاده از شبکه های عصبی هستید، در این دوره آموزشی به Gwendolyn بپیوندید.
سرفصل ها و درس ها
معرفی
Introduction
شبکه های عصبی 101: مسیر شما به سمت درخشش هوش مصنوعی
Neural networks 101: Your path to AI brilliance
نحوه استفاده از فایل های تمرین چالش
How to use the challenge exercise files
آنچه شما باید بدانید
What you should know
1. شبکه های عصبی چیست؟
1. What Are Neural Networks?
پرسپترون تک لایه
Single-layer perceptron
شبکه های عصبی مصنوعی
Artificial neural networks
شبکه های عصبی بیولوژیکی
Biological neural networks
یادگیری ماشین و شبکه های عصبی
Machine learning and neural networks
2. اجزای کلیدی در معماری شبکه های عصبی
2. Key Components in Neural Network Architecture
لایه ها: ورودی، مخفی و خروجی
Layers: Input, hidden, and output
توابع انتقال و فعال سازی
Transfer and activation functions
پرسپترون چند لایه
Multilayer perceptron
نحوه یادگیری شبکه های عصبی
How neural networks learn
3. انواع دیگر شبکه های عصبی
3. Other Types of Neural Networks
شبکه های عصبی کانولوشن (CNN)
Convolutional neural networks (CNN)
معماری ترانسفورماتور
Transformer architecture
شبکه های عصبی مکرر (RNN)
Recurrent neural networks (RNN)
4. با استفاده از Keras یک شبکه عصبی ساده بسازید
4. Build a Simple Neural Network Using Keras
پیش پردازش داده ها
Data preprocessing
بررسی داده ها و آماده سازی داده ها
Data checks and data preparation
راه حل: یک شبکه عصبی بسازید
Solution: Build a neural network
از موارد استفاده کنید و معیار ارزیابی را تعیین کنید
Use case and determine evaluation metric
شبکه عصبی را با استفاده از Keras آموزش دهید
Train the neural network using Keras
مدل Keras Sequential
The Keras Sequential model
چالش: ایجاد یک شبکه عصبی
Challenge: Build a neural network
5. بهترین روش ها برای بهینه سازی یک شبکه عصبی
5. Best Practices for Optimizing a Neural Network
Gwendolyn Stripling، دکترا، یک توسعه دهنده محتوای یادگیری ماشین و هوش مصنوعی در گوگل است.
Gwendolyn یک توسعه دهنده محتوای هوش مصنوعی و یادگیری ماشین در Google Cloud است. او نویسنده ویدیوی موفق YouTube Google، "مقدمه ای بر هوش مصنوعی مولد" و کتاب رسانه O'Reilly هوش مصنوعی کم کد: یک رویکرد عملی پروژه محور برای یادگیری ماشین است. گوندولین استاد کمکی و عضو هیئت مشاوره کارشناسی ارشد در تحلیل کسب و کار دانشگاه گلدن گیت است. او از سخنرانی در AI/ML لذت میبرد و در دانشکده تحلیل تجاری باروسکی دانشگاه دومینیکن کالیفرنیا، دانشکده تحلیل تجاری Ageno دانشگاه گلدن گیت و کنفرانسهای فناوری متعددی ارائه کرده است.
نمایش نظرات