آموزش یادگیری عمیق: بهینه سازی و تنظیم مدل

Deep Learning: Model Optimization and Tuning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری عمیق به عنوان یک فناوری در چند سال اخیر رشد چشمگیری داشته است. راه‌حل‌های هوش مصنوعی بیشتر و بیشتری از یادگیری عمیق به عنوان فناوری پایه خود استفاده می‌کنند. با این حال، مطالعه این فناوری چالش‌های متعددی را به همراه دارد. متخصصان فناوری اطلاعات با پیشینه‌های مختلف به یک منبع ساده برای یادگیری مفاهیم و ساخت سریع مدل‌ها نیاز دارند. در این دوره، مربی Kumaran Ponnambalam یک مسیر ساده برای درک گزینه های مختلف بهینه سازی و تنظیم موجود برای مدل های یادگیری عمیق ارائه می دهد و به شما نشان می دهد که چگونه از این گزینه ها برای بهبود مدل ها استفاده کنید. او با مروری بر یادگیری عمیق، از جمله شبکه های عصبی مصنوعی و معماری ها شروع می کند. در ادامه، کوماران فرآیند تنظیم پارامترهایپر را مورد بحث قرار می دهد. او اجزای سازنده شبکه های عصبی و اهرم های موجود برای تنظیم آنها را بررسی می کند. کوماران توصیه ها و بهترین شیوه ها را ارائه می دهد. سپس با یک مثال تنظیم پایان به انتها نتیجه می گیرد.

سرفصل ها و درس ها

معرفی Introduction

  • بهینه سازی شبکه های عصبی Optimizing neural networks

  • پیش نیازهای دوره Prerequisites for the course

  • راه اندازی فایل های تمرینی Setting up exercise files

1. مقدمه ای بر بهینه سازی یادگیری عمیق 1. Introduction to Deep Learning Optimization

  • یادگیری عمیق چیست؟ What is deep learning?

  • بررسی شبکه های عصبی مصنوعی Review of artificial neural networks

  • یک مدل ANN An ANN model

  • بهینه سازی مدل و تنظیم Model optimization and tuning

  • فرآیند تنظیم یادگیری عمیق The deep learning tuning process

  • تنظیمات آزمایشی برای دوره Experiment setups for the course

  • امتحان فصل Chapter Quiz

2. تنظیم شبکه یادگیری عمیق 2. Tuning the Deep Learning Network

  • تنظیم اندازه دوره و دسته Epoch and batch size tuning

  • آزمایش اندازه دوره و دسته Epoch and batch size experiment

  • تنظیم لایه های مخفی Hidden layers tuning

  • تعیین گره ها در یک لایه Determining nodes in a layer

  • انتخاب توابع فعال سازی Choosing activation functions

  • وزن های اولیه Initializing weights

  • امتحان فصل Chapter Quiz

3. تنظیم برگشت انتشار 3. Tuning Back Propagation

  • ناپدید شدن و انفجار شیب Vanishing and exploding gradients

  • نرمال سازی دسته ای Batch normalization

  • بهینه سازها Optimizers

  • آزمایش بهینه ساز Optimizer experiment

  • میزان یادگیری Learning rate

  • آزمایش میزان یادگیری Learning rate experiment

  • امتحان فصل Chapter Quiz

4. مدیریت بیش از حد 4. Overfitting Management

  • بیش از حد در شبکه های عصبی مصنوعی Overfitting in ANNs

  • منظم سازی Regularization

  • آزمایش منظم سازی Regularization experiment

  • ترک تحصیل Dropouts

  • آزمایش ترک تحصیل Dropout experiment

  • امتحان فصل Chapter Quiz

5. تمرین تنظیم مدل 5. Model Tuning Exercise

  • تمرین تنظیم: بیان مسئله Tuning exercise: Problem statement

  • داده ها را به دست آورید و پردازش کنید Acquire and process data

  • تنظیم شبکه Tuning the network

  • تنظیم پس انتشار Tuning backpropagation

  • اجتناب از نصب بیش از حد Avoiding overfitting

  • ساخت مدل نهایی Building the final model

نتیجه Conclusion

  • به سفر یادگیری عمیق خود ادامه دهید Continuing your deep learning journey

نمایش نظرات

آموزش یادگیری عمیق: بهینه سازی و تنظیم مدل
جزییات دوره
54m
37
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kumaran Ponnambalam Kumaran Ponnambalam

اختصاص به آموزش علوم داده

V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.