آموزش 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.
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

نظری ارسال نشده است.

آموزش Keras عملی برای مهندسان یادگیری ماشین [ویدئو]
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
2 h 17 m
68
Packtpub packtpub-small
27 آبان 1400 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
از 5
ندارد
دارد
دارد
Mike West

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mike West Mike West

سازنده LogikBot

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.