لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
یادگیری عمیق - شبکه عصبی عمیق برای مبتدیان با استفاده از پایتون [ویدئو]
Deep Learning - Deep Neural Network for Beginners Using Python [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آیا آماده اید تا مسیر خود را برای تبدیل شدن به یک متخصص یادگیری عمیق آغاز کنید؟ پس این دوره برای شما مناسب است.
این دوره به صورت گام به گام می باشد. در هر آموزش جدید، ما بر اساس آنچه قبلاً آموخته ایم استوار می شویم و یک قدم بیشتر به جلو می رویم و سپس یک کار کوچک را به شما محول می کنیم که در ابتدای ویدیوی بعدی حل می شود. ما با آموزش بخش نظری مفهوم شروع می کنیم و سپس همه چیز را همانطور که عملاً از پایتون استفاده می کند پیاده سازی می کنیم.
این دوره جامع راهنمای شما برای یادگیری نحوه استفاده از قدرت پایتون برای آموزش ماشین شما خواهد بود تا ماشین شما مانند انسان شروع به یادگیری کند و بر اساس آن یادگیری، ماشین شما نیز شروع به پیش بینی کند!
ما در این دوره از پایتون به عنوان زبان برنامه نویسی استفاده خواهیم کرد که اگر صحبت از یادگیری ماشینی شود، داغ ترین زبان این روزها است. پایتون از سطح ابتدایی تا سطح پیشرفته آموزش داده می شود تا هر مفهوم یادگیری ماشینی را بتوان پیاده سازی کرد.
همچنین مراحل مختلف پیش پردازش داده را یاد خواهید گرفت که به ما امکان می دهد داده ها را برای الگوریتم های یادگیری ماشین آماده کنیم.
شما به طور کلی مفاهیم کلی یادگیری ماشین را یاد خواهید گرفت که با پیاده سازی یکی از الگوریتم های ضروری ML، "شبکه های عصبی عمیق" دنبال می شود. هر مفهوم DNN به صورت تئوری آموزش داده می شود و با استفاده از پایتون پیاده سازی می شود.
در پایان این دوره، شما قادر خواهید بود روش DNN ها را با یادگیری عمیق با استفاده از مجموعه داده های دنیای واقعی درک کنید.
تمام منابع این دوره در دسترس است: https://github.com/PacktPublishing/Deep-Learning---Deep-Neural-Network-for-Beginners-Using-Python آموزش اصول یادگیری ماشین و شبکه های عصبی
آشنایی با معماری شبکه های عصبی
با استفاده از الگوریتم Gradient Descent اصول آموزش DNN را بیاموزید
نحوه پیاده سازی یک DNN کامل با استفاده از NumPy را بیاموزید
آموزش ایجاد یک ساختار کامل برای DNN از ابتدا با استفاده از پایتون
کار بر روی پروژه ای با استفاده از یادگیری عمیق برای مجموعه داده IRIS این دوره برای هرکسی که به علم داده علاقه مند است یا علاقه مند به ارتقای داده های خود به سطح بالاتری است طراحی شده است.
دانشآموزانی که میخواهند بر DNN با مجموعه دادههای واقعی در یادگیری عمیق تسلط پیدا کنند یا میخواهند DNN را در پروژههای واقعگرایانه پیادهسازی کنند، میتوانند از این دوره بهره ببرند. برای به دست آوردن بهترین نتیجه از این دوره، باید پیش زمینه ای در یادگیری عمیق داشته باشید. پیچیدهترین و اخیراً کشفشدهترین مدلهای DNN توسط دانشمندان برجسته داده را پوشش میدهد * مفاهیم نظری و مدلسازی دنبالهای را با DNNها مرتبط میکند.
سرفصل ها و درس ها
معرفی
Introduction
تبلیغ دوره
Course Promo
معرفی مربی
Introduction to Instructor
مقدمه دوره
Introduction to Course
مبانی یادگیری عمیق
Basics of Deep Learning
مسئله برای حل قسمت 1
Problem to Solve Part 1
مسئله برای حل قسمت 2
Problem to Solve Part 2
مسئله برای حل قسمت 3
Problem to Solve Part 3
معادله خطی
Linear Equation
معادله خطی بردار
Linear Equation Vectorized
فضای سه بعدی ویژگی
3D Feature Space
فضای N بعدی
N-Dimensional Space
نظریه پرسپترون
Theory of Perceptron
پیاده سازی پرسپترون پایه
Implementing Basic Perceptron
دروازه های منطقی برای پرسپترون ها
Logical Gates for Perceptrons
آموزش پرسپترون قسمت 1
Perceptron Training Part 1
آموزش پرسپترون قسمت 2
Perceptron Training Part 2
میزان یادگیری
Learning Rate
آموزش پرسپترون قسمت 3
Perceptron Training Part 3
الگوریتم پرسپترون
Perceptron Algorithm
کدگذاری الگوی پرسپترون (خواندن و تجسم داده ها)
Coding Perceptron Algo (Data Reading and Visualization)
نمایش نظرات