آموزش Play by Play: Machine Learning Exposure

Play by Play: Machine Learning Exposed

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: در این دوره، موضوعات یادگیری ماشینی مانند یادگیری تحت نظارت، یادگیری بدون نظارت، یادگیری تقویتی و یادگیری عمیق را بررسی خواهید کرد. Play by Play مجموعه‌ای است که در آن فن‌آوران برتر روی یک مشکل به‌صورت بلادرنگ، تکرار نشده و بدون اسکریپت کار می‌کنند. در این دوره، Play by Play: Machine Learning Exposur، جیمز ویور و کاترین بومونت با اصول اولیه شروع می‌کنند و به روشی قابل دسترس برخی از جالب‌ترین تکنیک‌های یادگیری ماشین را ارائه می‌کنند. رگرسیون خطی، شبکه‌های عصبی، خوشه‌بندی و بررسی APIها و پلتفرم‌های مختلف یادگیری ماشین را بررسی کنید. در پایان این دوره، یک نمای کلی از آنچه می توانید به دست آورید، و همچنین شهودی در مورد ریاضیات پشت یادگیری ماشین خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مقدمه یادگیری ماشین Machine Learning Introduction

  • مقدمه Introduction

  • بررسی اجمالی یادگیری تحت نظارت Supervised Learning Overview

یادگیری تحت نظارت Supervised Learning

  • انواع مشکلات یادگیری تحت نظارت: رگرسیون و طبقه بندی Types of Supervised Learning Problems: Regression and Classification

  • آناتومی و تجسم شبکه های عصبی مصنوعی Anatomy and Visualizing Artificial Neural Networks

  • انتشار رو به جلو Forward Propagation

  • انتشار پشت Back Propagation

  • مثال آشنایی با سرعت Speed Dating Example

  • ارزیابی و بهینه سازی یک شبکه عصبی Evaluating and Optimizing a Neural Network

  • رگرسیون جمع و مثال های تیک تاک پا Regression Sum and Tic-tac-toe Examples

  • مقدمه شهود، الگوریتم K-means Introduction Intuition, K-means Algorithm

  • استفاده از یادگیری بدون نظارت برای ترسیم هنر و کلمات Using Unsupervised Learning to Map Art and Words

یادگیری تقویتی Reinforcement Learning

  • با استفاده از BURLAP، پیمایش در جهان شبکه با یادگیری Q Using BURLAP, Navigating a Grid World with Q-learning

  • معادله بلمن و جداول پاداش Bellman Equation and Reward Tables

  • تیک تاک پا با یادگیری تقویتی Tic-tac-toe with Reinforcement Learning

نتیجه گیری دوره Course Conclusion

  • دیگر معماری شبکه های عصبی و نتیجه گیری Other Neural Networks Architectures and Conclusion

نمایش نظرات

نظری ارسال نشده است.

آموزش Play by Play: Machine Learning Exposure
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
2h 52m
16
Pluralsight (پلورال سایت) pluralsight-small
03 آبان 1396 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
58
4.5 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

James Weaver James Weaver

جیمز ویور یک توسعه دهنده ، نویسنده و سخنران جاوا است که علاقه زیادی به برنامه های بومی ابر ، یادگیری ماشین و محاسبات کوانتومی دارد. جیمز کتابهایی از جمله Inside Java ، Start J2EE ، Pro Pro JavaFX series و Java با Raspberry Pi نوشته است. جیمز به عنوان یک طرفدار توسعه محوری ، در کنفرانس های فناوری نرم افزار در سطح بین المللی صحبت می کند.

Katharine Beaumont Katharine Beaumont

Katharine یک توسعه دهنده نرم افزار است ، که روی نرم افزارهای پزشکی ، Big Data و پردازش رویدادهای پیچیده ، توسعه وب و یادگیری ماشین کار کرده است. وی چندین سخنرانی در همایش بین المللی درباره تجربیات خود در صنعت نرم افزار ارائه داده است. او با سابقه علوم ، حقوق ، ریاضیات و اخیراً تحصیل در مقطع کارشناسی ارشد در علوم کامپیوتر ، (جای تعجب نیست) که عاشق یادگیری است!

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.