لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش شبکه های عصبی رمزگشایی شده برای متخصصان داده
Neural Networks Demystified for Data Professionals
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
شبکه های عصبی پایه و اساس بسیاری از کاربردها در زمینه یادگیری ماشین و هوش مصنوعی هستند. این دوره ابهام زدایی از اینکه آنها چیستند، چگونه کار می کنند، و چگونه می توان از آنها در انواع برنامه های کاربردی دنیای واقعی استفاده کرد. تازه. در این دوره آموزشی، شبکه های عصبی رمزگشایی شده برای متخصصان داده، درک درستی از شبکه های عصبی و نحوه استفاده از آنها در برنامه های کاربردی دنیای واقعی به دست خواهید آورد. ابتدا، مفاهیم اساسی و اصطلاحات پشت شبکه های عصبی و چگونگی پیدایش آنها را بررسی خواهید کرد. در مرحله بعد، بلوکهای ساختمانی و معماریهای یک شبکه عصبی و نحوه یادگیری آنها مانند گرهها، لایهها، ورودی، وزنها و توابع فعالسازی را کشف خواهید کرد. در نهایت، با کاربردها و تاثیر یادگیری عمیق در صنایع مختلف آشنا خواهید شد. پس از اتمام این دوره، دانش پایه ای در مورد شبکه های عصبی مورد نیاز برای پیگیری سایر مطالعات در زمینه هوش مصنوعی خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
بنابراین، شبکه عصبی چیست و چگونه به اینجا رسیدیم؟
So, What Is a Neural Network and How Did We Get Here?
بنابراین، شبکه عصبی چیست؟
So, What Is a Neural Network?
یک مثال بسیار ساده از نحوه عملکرد یک شبکه عصبی
A Super Simple Example of How a Neural Network Works
چگونه به اینجا رسیدیم؟
How Did We Get Here?
کاربرد یادگیری عمیق در صنعت
Application of Deep Learning in Industry
بلوک های ساختمان یک شبکه عصبی
The Building Blocks of a Neural Network
پرسپترون: بلوک ساختمانی
The Perceptron: The Building Block
از معماری های تک لایه تا چند لایه
From Single-layer to Multi-layer Architectures
امبر از اوایل دهه 2000 توسعه دهنده نرم افزار و مربی فنی بوده است. وی دارای گواهینامه های AWS و انواع فن آوری های مایکروسافت است. در سالهای اخیر ، وی به تدریس دانش آموزان در سراسر جهان بر روی AWS ، Azure ، Dynamics 365 ، SharePoint و ASP.NET تمرکز کرده است. وی همچنین با تخصص خود در ارتباطات تصویری ، تجربه کاربر و مهارتهای شغلی/شغلی ، برای جبران شکاف بین توسعه دهندگان ، طراحان و تجار تلاش می کند.
نمایش نظرات