Keras: پروژه های عملی هوش مصنوعی و یادگیری عمیق با استفاده از Keras

Keras: Practical AI Projects & Deep Learning using Keras

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: پروژه های عملی هوش مصنوعی، از جمله ربات های چت، تجزیه و تحلیل احساسات، طبقه بندی تصویر، تشخیص چهره پیشرفته ساخت ربات های چت با استفاده از Keras را کاوش کنید. پیاده سازی تحلیل احساسات با شبکه های عصبی بازگشتی (RNN). تکنیک های طبقه بندی تصویر با استفاده از Keras. برنامه های پیشرفته تشخیص چهره با استفاده از بینایی کامپیوتر و یادگیری عمیق. اجرای عملی پروژه در Google Colab. تکنیک های پیش پردازش متن مانند Bow Model، Count Vectorizer، Stemming و Lemmatization. آموزش مدل، ارزیابی و پیش بینی. استفاده از مدل از پیش آموزش دیده و تنظیم دقیق. پیش پردازش، تقویت و تجسم تصویر. الگوریتم های تشخیص و تشخیص چهره تعبیه تولید و طبقه بندی. پیاده سازی و آزمایش مدل های هوش مصنوعی در دنیای واقعی پیش نیازها:زبان برنامه نویسی پایتون. مبانی یادگیری ماشین و مفاهیم یادگیری عمیق

به دوره جامع کاربردهای عملی یادگیری عمیق با Keras خوش آمدید! در این دوره، شما سفری هیجان انگیز را از طریق پروژه های مختلف با هدف توسعه مهارت های عملی در یادگیری عمیق و شبکه های عصبی با استفاده از چارچوب Keras آغاز خواهید کرد. چه مبتدی باشید که می‌خواهید یادگیری عمیق را شروع کنید یا یک پزشک باتجربه که به دنبال تقویت مهارت‌های خود است، این دوره چیزی برای همه ارائه می‌دهد.

در طول این دوره، شما در پروژه‌های عملی که طیف وسیعی از موضوعات را پوشش می‌دهند، از جمله ساخت ربات‌های گفتگو، تجزیه و تحلیل احساسات با استفاده از شبکه‌های عصبی مکرر (RNN)، طبقه‌بندی تصویر، و برنامه‌های کاربردی بینایی رایانه‌ای تشخیص چهره پیشرفته را بررسی خواهید کرد. هر پروژه با دقت طراحی شده است تا تجربه عملی و بینش هایی را در مورد کاربردهای واقعی یادگیری عمیق در اختیار شما قرار دهد.

در پایان این دوره، شما تجربه ارزشمندی در پیاده سازی مدل های یادگیری عمیق، درک اصول زیربنایی آنها و به کارگیری آنها برای حل وظایف پیچیده کسب خواهید کرد. خواه به پردازش زبان طبیعی، بینایی کامپیوتر یا هر حوزه دیگری علاقه مند باشید، مهارت هایی که در این دوره کسب می کنید در سفر شما به عنوان یک متخصص یادگیری عمیق ارزشمند خواهد بود.

برای باز کردن پتانسیل کامل یادگیری عمیق با Keras آماده شوید و مهارت‌های خود را به سطح بعدی ببرید!

بخش 1: ساخت ربات چت با کراس

در این بخش، دانش‌آموزان یک سفر عملی برای ساخت ربات چت با استفاده از Keras را آغاز می‌کنند. آنها با مقدمه‌ای بر اهداف پروژه آغاز می‌شوند و به دنبال آن مفاهیم پایه‌ای مانند مدل کیسه کلمات (BoW)، شمارش بردار و تکنیک‌هایی برای مدیریت داده‌های متنی بررسی می‌شوند. از طریق یک سری سخنرانی‌های پیشرو، دانش‌آموزان به مراحل پیش‌پردازش، استراتژی‌های محدودیت ویژگی، و عناصر ضروری پردازش متن مانند توقف کلمات و ریشه‌یابی می‌پردازند.

بخش 2: پروژه در Keras: تجزیه و تحلیل احساسات با استفاده از RNN

در بخش دوم، دانش‌آموزان به پروژه دیگری با تمرکز بر تحلیل احساسات با شبکه‌های عصبی بازگشتی (RNN) با استفاده از Keras منتقل می‌شوند. آنها به Google Colab برای کار مشترک و مجموعه داده IMBD برای تجزیه و تحلیل احساسات معرفی خواهند شد. این بخش موضوعاتی مانند توالی‌های بالشتک، مدل‌های پایه و پیچیده LSTM، و روش‌های آموزشی را پوشش می‌دهد و دانش‌آموزان را قادر می‌سازد تا تجربه عملی در تحلیل احساسات کسب کنند.

بخش 3: پروژه در Keras - طبقه بندی تصویر

در ادامه سفر، دانش‌آموزان به سمت پروژه‌های طبقه‌بندی تصویر در این بخش خواهند رفت. آنها یاد خواهند گرفت که Google Colab را راه اندازی کنند، مجموعه داده ها را دانلود کنند و از مدل های از پیش آموزش دیده برای کارهای طبقه بندی تصاویر استفاده کنند. موضوعات تحت پوشش شامل تجسم لایه میانی، ایجاد مدل، تقویت تصویر، و تکنیک های ارزیابی مدل خواهد بود.

بخش 4: پروژه در Keras - ایجاد یک برنامه تشخیص چهره پیشرفته Computer Vision

در بخش آخر، دانش‌آموزان با استفاده از تکنیک‌های بینایی کامپیوتری با Keras درگیر ایجاد یک برنامه تشخیص چهره پیشرفته خواهند شد. آنها شبکه های عصبی کانولوشن (CNN) را برای پردازش تصویر، تشخیص چهره با استفاده از MTCNN و ساخت یک طبقه بندی کننده برای تشخیص چهره بررسی خواهند کرد. این بخش به درک جامعی از پیاده‌سازی مدل‌های یادگیری عمیق برای برنامه‌های کاربردی دنیای واقعی ختم می‌شود.


سرفصل ها و درس ها

ساخت ربات چت با کراس Building A Chatbot with keras

  • مقدمه ای بر پروژه Introduction to Project

  • مدل کمان Bow Model

  • شمارش بردار Count Vectorizer

  • داده های متنی Text Data

  • داده های متنی ادامه دهید Text Data Continue

  • محدودیت تعداد ویژگی ها Limit Number of Features

  • کلمات را متوقف کنید Stop Words

  • ساقه Stemming

  • ساقه گذاری ادامه دهید Stemming Continue

  • Lemmatization Lemmatization

  • مدل ML بر روی داده های متنی ML Model on Text Data

  • وکتورایزر TF-TF-IDF TF-TF-IDF Vectorizer

  • Spacy Word2Vec Spacy Word2Vec

  • الزامات Requirements

  • پیاده سازی هندسون Hindson Implementation

  • اجرای Hindson ادامه دارد Hindson Implementation Continue

  • شبکه های عصبی Neural Networks

  • چت ربات های مولد قسمت 1 Generative Chatbots Part 1

  • چت ربات های مولد قسمت 2 Generative Chatbots Part 2

  • چت ربات های مولد قسمت 3 Generative Chatbots Part 3

  • چت ربات های مولد قسمت 4 Generative Chatbots Part 4

  • چت ربات های مولد قسمت 5 Generative Chatbots Part 5

  • چت بات های توجه بخش 1 Attentive Chatbots Part 1

  • چت ربات های توجه بخش 2 Attentive Chatbots Part 2

  • چت بات های توجه بخش 3 Attentive Chatbots Part 3

  • چت بات پیشرفته Advanced Chatbot

  • چت بات پیشرفته - ارزیابی Advanced Chatbot - Evaluation

  • نتیجه گیری Conclusion

پروژه در Keras: تجزیه و تحلیل احساسات با استفاده از RNN Project On Keras: Sentimental Analysis Using RNN

  • مقدمه ای بر پروژه Introduction to Project

  • Google Collab Google Collab

  • در حال دانلود مجموعه داده های IMBD Downloading IMBD Dataset

  • توالی بالشتک Padding Sequences

  • مدل پایه LSTM Basic LSTM Model

  • آموزش Training

  • توطئه Plotting

  • پیش بینی بر اساس LSTM پایه Predicting on Basic LSTM

  • مدل پیچیده LSTM با آموزش Complex LSTM Model with Training

  • پیش بینی با Complex LSTM Prediction with Complex LSTM

Project On Keras - طبقه بندی تصویر Project On Keras - Image Classification

  • مقدمه ای بر پروژه Introduction to Project

  • Google Collab Google Collab

  • در حال آپلود Uploading

  • دانلود مجموعه داده Downloading the Dataset

  • مدل از پیش آموزش دیده Pretrained Model

  • تجسم لایه میانی Intermediate Layer Visualization

  • ایجاد مدل و تقویت تصویر Model Creation and Image Augmentation

  • مدل تدوین و آموزش Compiling and Training Model

  • ارزش های از دست دادن Loss Values

  • تست تصاویر و تجسم Test Images and Visualization

  • بازآموزی مدل Retraining the Model

Project On Keras - ایجاد یک برنامه بینایی کامپیوتری با تشخیص چهره پیشرفته Project On Keras - Creating An Advanced Face Recognition Computer Vision App

  • مقدمه دوره Introduction to Course

  • CNN برای پردازش تصویر CNN for Image Processing

  • پیش پردازش تصویر Image Preprocessing

  • ذخیره و بارگذاری مدل ها Saving and Loading the Models

  • آماده شدن سیستم Getting System Ready

  • خواندن داده های تصویر Reading the Image Data

  • شناسایی چهره ها MTCNN Detect Faces MTCNN

  • جعبه مرزی را رسم کنید Draw Bounding Box

  • نکات کلیدی را ترسیم کنید Draw Key points

  • روی گروه تصاویر اعمال کنید Apply on Group of Images

  • استخراج چهره ها از تصویر Extract Faces from Image

  • خلاصه تشخیص چهره Face Detection Summary

  • تشخیص چهره Face Recognition

  • مجموعه داده مد Fashion Dataset

  • لود چهره ها Load Faces

  • بارگیری مجموعه داده از پوشه ها Load Dataset from Folders

  • بارگیری مجموعه داده از پوشه ها ادامه دارد Load Dataset from Folders Continue

  • جاسازی‌های چهره را ایجاد کنید Generate Face Embeddings

  • تعبیه صورت Face Embeddings

  • طبقه‌بندی ساختمان بر روی جاسازی‌ها Building Classifier on Embeddings

  • Building Classifier on Embeddings Continue Building Classifier on Embeddings Continue

  • تست برای پیاده سازی واقعی Testing for Real Implementation

  • از DNN Kera با فیس نت استفاده کنید Use Kera's DNN with Face net

  • نتیجه گیری Conclusion

نمایش نظرات

Keras: پروژه های عملی هوش مصنوعی و یادگیری عمیق با استفاده از Keras
جزییات دوره
9.5 hours
73
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,273
از 5
ندارد
دارد
دارد
EDU CBA
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.