نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
یادگیری ماشینی شگفت انگیز است ... و مرعوب کننده است. چگونه کامپیوترها می توانند کارهای جادویی مانند درک تصاویر یا متن را انجام دهند؟ این آموزش برای برنامه نویسان جادو را از بین می برد و به شما کمک می کند تا برنامه دید رایانه خود را از ابتدا شروع کنید. یادگیری ماشین جذاب است ، اما این آموزش های سنگین ریاضی حتی برای یک برنامه نویس نیز می تواند باعث ترس شود. در این دوره ، نحوه یادگیری ماشین چگونه کار می کند ، شما اصول یادگیری ماشین را از طریق کد یاد خواهید گرفت. ابتدا نگاهی به یادگیری تحت نظارت خواهید انداخت و به سرعت به سمت برنامه نویسی اولین برنامه یادگیری خود می روید و می بینید که چگونه این برنامه را خط به خط بهبود دهید. سپس ، خواهید فهمید که چگونه آن برنامه را خط به خط آن بهبود بخشید. سرانجام ، خواهید دید که چگونه این برنامه را خودتان ، بدون توسل به کتابخانه های مبهم یادگیری ماشین ، نوشتید. در پایان دوره ، شما یک برنامه بینایی رایانه ای در حال کار خواهید داشت که شخصیت های دست نویس را تشخیص می دهد و دانش عملی در مورد ایده های اساسی یادگیری ماشین خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
مقدمه
Introduction
-
آشنایی با یادگیری ماشین
Getting to Know Machine Learning
-
برنامه نویسی در مقابل یادگیری ماشین
Programming vs. Machine Learning
-
یادگیری تحت نظارت
Supervised Learning
-
تقریب یک تابع
Approximating a Function
ساخت اولین برنامه یادگیری ماشین شما
Building Your First Machine Learning Program
-
حل یک مسئله یادگیری ماشین
Tackling a Machine Learning Problem
-
حس کردن داده های ما
Making Sense of Our Data
-
درک رگرسیون خطی
Understanding Linear Regression
-
پیش بینی در حال اجرا
Implementing Prediction
-
درک ضرر
Understanding the Loss
-
پیاده سازی الگوریتم آموزش
Implementing the Training Algorithm
-
اجرای کد
Running the Code
بهبود الگوریتم با گرادیان نزول
Improving the Algorithm with Gradient Descent
-
الگوریتم ما آن را برش نمی دهد
Our Algorithm Doesn't Cut It
-
درک شیب نزولی
Understanding Gradient Descent
-
شیب نزولی در سه بعد
Descending the Gradient in Three Dimensions
-
محاسبه گرادیان
Calculating the Gradient
-
پیاده سازی گرادیان نزول
Implementing Gradient Descent
گسترش رگرسیون به چندین متغیر
Expanding Regression to Multiple Variables
-
سر و کار داشتن با جهانی پیچیده
Dealing with a Complicated World
-
فریب دور سوگیری
Tricking Away the Bias
-
جابجایی به Matrices
Switching to Matrices
-
شکل دادن به داده ها
Shaping Data
-
ارتقا ضرر
Upgrading the Loss
-
اجرای رگرسیون چندگانه
Running Multiple Regression
پیش بینی نتایج گسسته
Predicting Discrete Outcomes
-
آشنایی با طبقه بندی
Getting to Know Classification
-
از رگرسیون تا طبقه بندی
From Regression to Classification
-
معرفی Log Loss
Introducing the Log Loss
-
در حال تست طبقه بندی
Testing the Classifier
شناخت ارقام فردی
Recognizing Individual Digits
-
معرفی MNIST
Introducing MNIST
-
درک مجموعه آزمون
Understanding the Test Set
-
آماده سازی تصاویر
Preparing the Images
-
آماده سازی برچسب ها
Preparing the Labels
-
شناخت یک رقم
Recognizing a Digit
کشف تشخیص تصویر
Figuring Out Image Recognition
-
برنامه ریزی برای چندین کلاس
Planning for Multiple Classes
-
رمزگذاری برچسب ها
Encoding the Labels
-
به روزرسانی اوزان
Updating the Weights
-
به روز رسانی پیش بینی
Updating Prediction
-
اجرای تست نهایی
Running the Final Test
دیدن تصویر بزرگ
Seeing the Big Picture
-
از مبانی تا پرسپترون
From the Basics to the Perceptron
-
درک محدودیت های Perceptron
Understanding the Perceptron's Limitations
-
داستان تا اینجا
The Story So Far
نمایش نظرات