آموزش مبانی هوش مصنوعی: شبکه های عصبی

Artificial Intelligence Foundations: Neural Networks

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
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

  • چالش: تنظیم دستی هایپرپارامترها Challenge: Manually tune hyperparameters

  • راه حل: تنظیم دستی هایپرپارامترها Solution: Manually tune hyperparameters

  • فراپارامترها و شبکه های عصبی Hyperparameters and neural networks

  • نصب بیش از حد و عدم اتصال: دو مشکل رایج ANN Overfitting and underfitting: Two common ANN problems

  • تکنیک‌های منظم‌سازی برای بهبود مدل‌های بیش‌برازش Regularization techniques to improve overfitting models

  • چگونه عملکرد مدل را بهبود می دهید؟ How do you improve model performance?

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش مبانی هوش مصنوعی: شبکه های عصبی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 45m
28
Linkedin (لینکدین) lynda-small
27 شهریور 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
11,537
- از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Gwendolyn Stripling Gwendolyn Stripling

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.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.