لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
Keras عملی برای مهندسان یادگیری ماشین [ویدئو]
Hands-On Keras for Machine Learning Engineers [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
به Keras عملی برای مهندسین یادگیری ماشین خوش آمدید. این یک دوره با ساختار دقیق است که شما را در سفر خود برای یادگیری یادگیری عمیق در پایتون با Keras راهنمایی می کند. کتابخانه Keras Python را برای یادگیری عمیق کشف کنید و فرآیند توسعه و ارزیابی مدل های یادگیری عمیق را با استفاده از آن بیاموزید.
دو پلتفرم عددی برتر برای توسعه مدلهای یادگیری عمیق وجود دارد. آنها Theano هستند که توسط دانشگاه مونترال توسعه یافته و TensorFlow در گوگل توسعه یافته اند. هر دو برای استفاده در پایتون توسعه یافته اند و هر دو را می توان توسط کتابخانه Keras بسیار ساده برای استفاده استفاده کرد. Keras پیچیدگی محاسبات عددی Theano و TensorFlow را در بر می گیرد و یک API مختصر ارائه می دهد که ما از آن برای توسعه شبکه عصبی و مدل های یادگیری عمیق خود استفاده خواهیم کرد. Keras به استاندارد طلایی در فضای کاربردی برای نمونه سازی سریع مدل های یادگیری عمیق تبدیل شده است.
این دوره یک راهنمای عملی است. این یک کتاب بازی و یک کتاب کار است که برای شما در نظر گرفته شده است تا با انجام کار یاد بگیرید و سپس درک جدید خود را در مدلهای یادگیری عمیق Keras خود اعمال کنید.
تمامی منابع و فایلهای کد این دوره در اینجا قرار داده شده است: https://github.com/PacktPublishing/Hands-On-Keras-for-Machine-Learning-Engineers توسعه و ارزیابی مدلهای شبکه عصبی از انتها به پایان
مدل های بزرگتر برای داده های تصویر و متن بسازید
آناتومی مدل کراس را درک کنید
عملکرد مدل Keras یادگیری عمیق را ارزیابی کنید
ساخت مدل های رگرسیون و طبقه بندی سرتاسر در Keras
نحوه استفاده از چک پوینت برای ذخیره بهترین مدل اجرا را بیاموزید این دوره برای توسعه دهندگان، مهندسان یادگیری ماشین و دانشمندان داده است که می خواهند بیاموزند چگونه بیشترین بهره را از Keras ببرند. نیازی نیست که شما یک متخصص یادگیری ماشین باشید، اما اگر بدانید چگونه با استفاده از SciKit-Learn یک مشکل کوچک یادگیری ماشینی را حل کنید، مفید خواهد بود. مفاهیم اساسی مانند اعتبار سنجی متقاطع و رمزگذاری تک داغ مورد استفاده در درس ها و پروژه ها توضیح داده شده است، اما به طور خلاصه. با در نظر گرفتن همه اینها، این یک دوره ابتدایی در کتابخانه Keras است. بیاموزید که چگونه از تکنیک های پیشرفته تر مورد نیاز برای توسعه مدل های پیشرفته یادگیری عمیق استفاده کنید * نحوه استفاده از تکنیک های پیشرفته تقویت تصویر به منظور افزایش عملکرد مدل را بیاموزید * بیاموزید که چگونه کارایی را با زمان بندی نرخ یادگیری افزایش دهید.
سرفصل ها و درس ها
معرفی
Introduction
معرفی
Introduction
آنچه در این دوره خواهید آموخت
What You'll Learn in this Course
آیا این دوره برای شما مناسب است؟
Is this Course Right for You?
کراس چیست؟
What is Keras?
پایه ها
Foundations
تیانو
Theano
TensorFlow
TensorFlow
آناتومی شبکه عصبی مصنوعی
Artificial Neural Network Anatomy
یادگیری عمیق
Deep Learning
چرخه زندگی کراس
Keras Life Cycle
آناتومی کد Keras
Keras Code Anatomy
نسخه ی نمایشی: مطالعه موردی مجموعه داده های دیابت هندی پیما: داده های بارگذاری
Demo: Case Study on Pima Indian Diabetes Dataset: Load Data
نسخه ی نمایشی: مطالعه موردی مجموعه داده های دیابت هندی پیما: تعریف و تدوین
Demo: Case Study on Pima Indian Diabetes Dataset: Define and Compile
نسخه ی نمایشی: مطالعه موردی مجموعه داده های دیابت هندی پیما: مناسب و ارزیابی
Demo: Case Study on Pima Indian Diabetes Dataset: Fit and Evaluate
ارزیابی عملکرد در شبکه های عصبی
Performance Evaluation on Neural Networks
نسخه ی نمایشی: مطالعه موردی در مورد تقسیم بندی داده ها
Demo: Case Study on Data Segmentation
Scikit-Learn for General Machine Learning
Scikit-Learn for General Machine Learning
مدلها را با اعتبارسنجی متقابل ارزیابی کنید
Evaluate Models with Cross-Validation
پارامترهای مدل یادگیری عمیق جستجوی شبکه
Grid Search Deep Learning Model Parameters
نسخه ی نمایشی: مطالعه موردی در طبقه بندی چند طبقه
Demo: Case Study on Multiclass Classification
نسخه ی نمایشی: مطالعه موردی در طبقه بندی چند طبقه: قسمت 2
Demo: Case Study on Multiclass Classification: Part 2
نسخه ی نمایشی: مطالعه موردی در طبقه بندی باینری
Demo: Case Study on Binary Classification
نسخه ی نمایشی: مطالعه موردی در طبقه بندی باینری: قسمت 2
Demo: Case Study on Binary Classification: Part 2
نسخه ی نمایشی: مطالعه موردی در طبقه بندی باینری: قسمت 3
Demo: Case Study on Binary Classification: Part 3
نسخه ی نمایشی: مطالعه موردی در طبقه بندی باینری: قسمت 4
Demo: Case Study on Binary Classification: Part 4
نسخه ی نمایشی: مطالعه موردی رگرسیون
Demo: Case Study on Regression
نسخه ی نمایشی: مطالعه موردی رگرسیون: قسمت 2
Demo: Case Study on Regression: Part 2
نسخه ی نمایشی: مطالعه موردی رگرسیون: قسمت 3
Demo: Case Study on Regression: Part 3
با کراس عمیق تر می شویم
Going Deeper with Keras
سریال سازی مدل
Model Serialization
شبکه عصبی را در JSON ذخیره کنید
Save Neural Network to JSON
شبکه عصبی را در YAML ذخیره کنید
Save Neural Network to YAML
نسخه ی نمایشی: مطالعه موردی در بازرسی
Demo: Case Study on Checkpointing
نسخه ی نمایشی: مطالعه موردی در بازرسی: قسمت 2
Demo: Case Study on Checkpointing: Part 2
طرح تاریخ
Plotting History
تجسم تاریخچه آموزش مدل در کراس
Visualize Model Training History in Keras
نسخه ی نمایشی: مطالعه موردی در مورد ترک تحصیل
Demo: Case Study on Dropping Out
نسخه ی نمایشی: مطالعه موردی در مورد ترک تحصیل: قسمت 2
Demo: Case Study on Dropping Out: Part 2
نکات ترک تحصیل
Dropout Tips
نرخ یادگیری تعریف شده است
Learning Rate Defined
پیکربندی نرخ یادگیری
Configure Learning Rate
نسخه ی نمایشی: مطالعه موردی در مورد نرخ یادگیری
Demo: Case Study on Learning Rates
نسخه ی نمایشی: مطالعه موردی در مورد میزان یادگیری: قسمت 2
Demo: Case Study on Learning Rates: Part 2
نسخه ی نمایشی: مطالعه موردی در مورد میزان یادگیری: قسمت 3
Demo: Case Study on Learning Rates: Part 3
شبکه های عصبی کانولوشنال
Convolutional Neural Networks
شبکه های عصبی کانولوشنال
Convolutional Neural Networks
نسخه ی نمایشی: مطالعه موردی در تشخیص رقم دست نویس
Demo: Case Study on Handwritten Digit Recognition
نسخه ی نمایشی: مطالعه موردی تشخیص رقم دست نویس: قسمت 2
Demo: Case Study Handwritten Digit Recognition: Part 2
نسخه ی نمایشی: مطالعه موردی در تشخیص رقم دست نویس: قسمت 3
Demo: Case Study on Handwritten Digit Recognition: Part 3
نسخه ی نمایشی: مطالعه موردی در تشخیص رقم دست نویس: قسمت 4
Demo: Case Study on Handwritten Digit Recognition: Part 4
تقویت تصویر
Image Augmentation
نسخه ی نمایشی: مطالعه موردی در مورد تقویت تصویر
Demo: Case Study on Image Augmentation
نسخه ی نمایشی: مطالعه موردی در مورد تقویت تصویر: قسمت 2
Demo: Case Study on Image Augmentation: Part 2
نکات تقویت تصویر
Image Augmentation Tips
تشخیص شی
Object Recognition
نسخه ی نمایشی: مطالعه موردی در مورد تشخیص شی
Demo: Case Study on Object Recognition
بهبود عملکرد مدل
Improving Model Performance
تجزیه و تحلیل احساسات در کراس
Sentiment Analysis in Keras
ویژگی های مجموعه داده های IMDB
IMDB Dataset Properties
تعبیه کلمه تعریف شده است
Word Embedding Defined
نسخه ی نمایشی: مطالعه موردی در مورد جاسازی کلمه
Demo: Case Study on Word Embedding
نسخه ی نمایشی: مطالعه موردی در مورد جاسازی کلمه: قسمت 2
Demo: Case Study on Word Embedding: Part 2
شبکه های عصبی مکرر
Recurrent Neural Networks
شبکه های عصبی مکرر
Recurrent Neural Networks
نسخه ی نمایشی: مطالعه موردی در مورد پیش بینی سری های زمانی
Demo: Case Study on Time Series Prediction
نسخه ی نمایشی: مطالعه موردی در مورد پیش بینی سری های زمانی: قسمت 2
Demo: Case Study on Time Series Prediction: Part 2
نسخه ی نمایشی: مطالعه موردی در مورد پیش بینی سری های زمانی: قسمت 3
Demo: Case Study on Time Series Prediction: Part 3
نسخه ی نمایشی: مطالعه موردی در مورد پیش بینی سری های زمانی با LSTM
Demo: Case Study on Time Series Prediction with LSTM
نسخه ی نمایشی: مطالعه موردی در مورد پیش بینی سری های زمانی با LSTM: قسمت 2
Demo: Case Study on Time Series Prediction with LSTM: Part 2
نسخه ی نمایشی: مطالعه موردی در مورد پیش بینی سری های زمانی با LSTM: قسمت 3
Demo: Case Study on Time Series Prediction with LSTM: Part 3
نسخه ی نمایشی: مطالعه موردی در طبقه بندی توالی
Demo: Case Study on Sequence Classification
نسخه ی نمایشی: مطالعه موردی در طبقه بندی توالی: قسمت 2
Demo: Case Study on Sequence Classification: Part 2
نمایش نظرات