کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش یادگیری عمیق - شبکه های عصبی مصنوعی با تنسورفلو [ویدئو]

Deep Learning - Artificial Neural Networks with Tensorflow [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: TensorFlow محبوب ترین کتابخانه جهان برای یادگیری عمیق است و توسط گوگل ساخته شده است. این کتابخانه انتخابی برای بسیاری از شرکت‌هایی است که هوش مصنوعی و یادگیری ماشینی انجام می‌دهند. بنابراین، اگر می خواهید یادگیری عمیق انجام دهید، با TensorFlow آشنا شده اید. در این دوره یاد خواهید گرفت که چگونه از TensorFlow 2 برای ساخت شبکه های عصبی عمیق استفاده کنید. ابتدا با یادگیری اصول یادگیری ماشین، طبقه بندی و رگرسیون شروع می کنیم. سپس در بخش بعدی، ارتباط بین شبکه‌های عصبی مصنوعی و شبکه‌های عصبی بیولوژیکی و چگونگی الهام بخشیدن به تفکر ما در زمینه یادگیری عمیق را خواهیم فهمید. در دو بخش آخر، با توابع از دست دادن برای درک میانگین مربعات خطا، آنتروپی متقاطع باینری، و آنتروپی متقاطع طبقه‌ای و گرادیان نزولی برای درک شیب نزولی تصادفی، تکانه، نرخ‌های یادگیری متغیر و تطبیقی ​​و بهینه‌سازی آدام آشنا خواهید شد. در پایان این دوره، نحوه استفاده از TensorFlow برای شبکه های عصبی مصنوعی در یادگیری عمیق را خواهیم فهمید. تمام نوت بوک های مورد استفاده در دوره در دسترس هستند: https://github.com/PacktPublishing/Deep-Learning---Artificial-Neural-Networks-with-TensorFlow درک کنید که یادگیری ماشین چیست با TensorFlow 2 مدل های خطی بسازید آموزش ساخت شبکه های عصبی عمیق با TensorFlow 2 نحوه انجام طبقه بندی و رگرسیون تصویر با ANN را بیاموزید توابع ضرر مانند خطای میانگین مربع و از دست دادن آنتروپی متقابل را بیاموزید درباره نزول گرادیان تصادفی، تکانه و بهینه‌سازی Adam بیاموزید این دوره برای هر کسی که به یادگیری عمیق و یادگیری ماشین علاقه دارد، هر کسی که می‌خواهد شبکه‌های عصبی عمیق را در TensorFlow 2 پیاده‌سازی کند، یا کسانی که علاقه‌مند به ایجاد پایه‌ای برای شبکه‌های عصبی کانولوشنال، تکراری هستند طراحی شده است. شبکه های عصبی، LSTM (حافظه کوتاه مدت بلند مدت) و ترانسفورماتورها. فرد باید مهارت های برنامه نویسی پایتون مناسبی داشته باشد و با کتابخانه های علوم داده مانند NumPy و Matplotlib راحت باشد. درک استفاده از TensorFlow 2 برای ساخت شبکه های عصبی مصنوعی * این دوره اصول یادگیری ماشین، طبقه بندی و رگرسیون را پوشش می دهد * ارتباط بین شبکه های عصبی مصنوعی و شبکه های عصبی بیولوژیکی را بررسی می کند.
سرفصل ها و درس ها

خوش آمدی Welcome

  • معرفی Introduction

  • طرح کلی Outline

یادگیری ماشین و نورون ها Machine Learning and Neurons

  • یادگیری ماشینی چیست؟ What Is Machine Learning?

  • تهیه کد (تئوری طبقه بندی) Code Preparation (Classification Theory)

  • دفترچه رده بندی Classification Notebook

  • تهیه کد (نظریه رگرسیون) Code Preparation (Regression Theory)

  • دفترچه رگرسیون Regression Notebook

  • نورون The Neuron

  • چگونه یک مدل "یاد می گیرد"؟ How Does a Model "Learn"?

  • پیشگویی Making Predictions

  • ذخیره و بارگذاری یک مدل Saving and Loading a Model

  • چرا کراس؟ Why Keras?

  • صندوق پیشنهادات Suggestion Box

شبکه های عصبی مصنوعی پیشخور Feedforward Artificial Neural Networks

  • معرفی بخش شبکه های عصبی مصنوعی Artificial Neural Networks Section Introduction

  • انتشار رو به جلو Forward Propagation

  • تصویر هندسی The Geometrical Picture

  • توابع فعال سازی Activation Functions

  • طبقه بندی چند طبقه Multiclass Classification

  • نحوه نمایش تصاویر How to Represent Images

  • تهیه کد (شبکه های عصبی مصنوعی) Code Preparation (Artificial Neural Networks)

  • ANN برای طبقه بندی تصویر ANN for Image Classification

  • ANN برای رگرسیون ANN for Regression

  • نحوه انتخاب فراپارامترها How to Choose Hyperparameters

در عمق: توابع از دست دادن In-Depth: Loss Functions

  • خطای میانگین مربعات Mean Squared Error

  • آنتروپی متقاطع باینری Binary Cross Entropy

  • آنتروپی متقاطع طبقه ای Categorical Cross Entropy

در عمق: گرادیان نزول In-Depth: Gradient Descent

  • گرادیان نزول Gradient Descent

  • نزول گرادیان تصادفی Stochastic Gradient Descent

  • تکانه Momentum

  • نرخ های یادگیری متغیر و تطبیقی Variable and Adaptive Learning Rates

  • Adam Optimization (قسمت 1) Adam Optimization (Part 1)

  • Adam Optimization (قسمت 2) Adam Optimization (Part 2)

نمایش نظرات

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.

آموزش یادگیری عمیق - شبکه های عصبی مصنوعی با تنسورفلو [ویدئو]
جزییات دوره
4 h 47 m
32
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد

https://donyad.com/d/df8e43

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lazy Programmer Lazy Programmer

برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.

Python TensorFlow پایتون تنسورفلو Data Data Science داده علم داده