لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش عمیق برای توسعه دهندگان پایتون [ویدئو]
Deep Learning for Python Developers [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری عمیق یک ابرقدرت جدید است که به شما امکان می دهد سیستم های هوش مصنوعی بسازید که چند سال پیش امکان پذیر نبودند. زمان آن رسیده است که از اتوماسیون هوشمند برای کمک به رشد کسب و کار خود، سازماندهی و ماندن در صدر رقبا استفاده کنید.
این دوره برای توسعهدهندگان پایتون است که با یادگیری ماشین یا علم داده کار نکردهاند و میخواهند فوراً سیستمهای هوشمند بسازند - بدون گرفتن مدرک ریاضی! شما در مورد شبکه های عصبی مکرر، Backprop، SGD و موارد دیگر خواهید آموخت. شما روی نمونه کدهایی کار خواهید کرد که به صورت روزانه در زندگی یک توسعه دهنده استفاده می شود. شما نه تنها به تئوری تسلط خواهید داشت، بلکه خواهید دید که چگونه آن را در صنعت به طور کلی به کار ببرید. همه این ایده ها را در MxNet، TensorFlow، Keras و Gluon تمرین خواهید کرد. آخرین اما نه کماهمیت، ساخت شبکههای عصبی کانولوشن و اعمال آنها بر روی دادههای تصویر.
Deep Learning در حال حاضر برنامه های هیجان انگیز متعددی را در تشخیص گفتار، سنتز موسیقی، ترجمه ماشینی، درک زبان طبیعی و بسیاری موارد دیگر فعال می کند. هوش مصنوعی چندین صنعت را متحول می کند. پس از اتمام این دوره، احتمالاً راه های خلاقانه ای برای اعمال آن در کار خود پیدا خواهید کرد. ما به شما کمک خواهیم کرد تا در یادگیری عمیق تسلط پیدا کنید، نحوه به کارگیری آن را بدانید و در هوش مصنوعی شغلی ایجاد کنید.
همه کدها و فایل های پشتیبانی این دوره در GitHub در دسترس هستند
https://github.com/PacktPublishing/Deep-Learning-for-Python-Developers
•نرم افزاری بنویسید که دستخط را می خواند، تصاویر را بر اساس آنچه در آنها است طبقه بندی می کند و پیام ها را به زبان اشاره رمزگشایی می کند - حتی اگر قبلاً هرگز یادگیری ماشینی انجام نداده باشید.
• مدلهای یادگیری عمیق بسازید که با سرعت بسیار بیشتری کار میکنند، هرگز نمیخوابند، و وظایف شما را سریع و کارآمد انجام میدهند.
• ایجاد قدردانی از مدل های یادگیری عمیق که در مقیاس بزرگ و تنظیمات توزیع شده در رایانش ابری استفاده می شوند.
• مدلهای دنباله خود را برای مشکلات زبان طبیعی مانند ترکیب متن و برنامههای صوتی، تشخیص گفتار و سنتز موسیقی اعمال کنید.
• ساخت شبکه های عصبی کانولوشنال، از جمله تغییرات اخیر مانند شبکه های باقیمانده
• نقاط قوت و ضعف چارچوب های مختلف را بشناسید و اینکه چه زمانی بهتر است آنها را اعمال کنید
• از اتوماسیون هوشمند برای جلوگیری از خطاها و صرفه جویی در زمان صرف شده برای رفع آنها استفاده کنید.
اگر توسعهدهنده پایتون هستید و هر نوع برنامه/اسکریپت پایتون را مینویسید، این دوره به شما کمک میکند تا در کمترین زمان با یادگیری عمیق در پایتون کار کنید. •با Deep Learning راهاندازی کنید و مدلهای پیچیده را لایه به لایه با افزایش پیچیدگی بسازید * • هنر استفاده از مدلهای یادگیری عمیق خود را برای تشخیص تصویر، مشکلات پردازش زبان طبیعی و برنامههای صوتی بررسی کنید. کتابخانههای سطحی مانند Keras و Gluon و درک چرخه زندگی کامل: تعریف، آموزش، آزمایش و استقرار مدلهای یادگیری عمیق شما. *
سرفصل ها و درس ها
شروع با یادگیری عمیق
Getting Started with Deep Learning
بررسی اجمالی دوره
The Course Overview
مبانی شبکه های عصبی
Fundamentals of Neural Networks
آموزش شبکه های عصبی عمیق
Training Deep Neural Networks
با استفاده از Forward Propagation، Backprop و SGD
Using Forward Propagation, Backprop, and SGD
رگرسیون لجستیک با ذهنیت شبکه عصبی
Logistic Regression with a Neural Network Mindset
تشخیص دست خط شبکه عصبی کانولوشن
Convolutional Neural Network Handwriting Recognition
مدل های عمیق با MxNet و TensorFlow
Deep Models with MxNet and TensorFlow
کار با MxNet و Gluon
Working with MxNet and Gluon
تعریف و آموزش شبکه های عصبی در MxNet/Gluon
Defining and Training Neural Networks in MxNet/Gluon
کار با TensorFlow و Keras
Working with TensorFlow and Keras
تعریف و آموزش شبکه های عصبی در Keras/TensorFlow
Defining and Training Neural Networks in Keras/TensorFlow
الگوریتم های یادگیری تطبیقی - RMSProp و Adam
Adaptive Learning Algorithms - RMSProp and Adam
مینی پروژه - مدل سازی زبان
Mini Project - Language Modeling
تنظیم فراپارامتر
Hyperparameter Tuning
فراپارامترها
Hyperparameters
تنظیم فراپارامترها - جستجوی شبکه
Tuning Hyperparameters - Grid Search
تنظیم فراپارامترها - جستجوی تصادفی
Tuning Hyperparameters - Random Search
مینی پروژه - سنتز موسیقی
Mini Project -Music Synthesis
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
ویل بالارد، مدیر ارشد فناوری GLG، مسئول مهندسی و فناوری اطلاعات است. او همچنین مسئول طراحی و بهره برداری از مراکز داده بزرگ بود که به اجرای خدمات سایت برای مشتریان از جمله Gannett، Hearst Magazines، NFL، NPR، The Washington Post و Whole Foods کمک می کرد. او همچنین نقش های رهبری در توسعه نرم افزار در NetSolve (در حال حاضر Cisco)، NetSpend، و Works (در حال حاضر Bank of America) داشته است. https://www.linkedin.com/in/will-ballard-b09115/
نمایش نظرات