آموزش مدل های طبقه بندی ساختمان با TensorFlow

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

مروری بر مدل های طبقه بندی Overview of Classification Models

• بررسی نسخه Version Check

• پیش نیازها و نرم افزارهای مورد نیاز این دوره Prerequisites and Software Needed for This Course

• طبقه بندی و طبقه بندی کننده ها Classification and Classifiers

• استفاده از دقت برای ارزیابی مدل ها Using Accuracy to Evaluate Models

• استفاده از دقت و یادآوری برای ارزیابی مدل ها Using Precision and Recall to Evaluate Models

• معامله دقیق/فراخوان The Precision/Recall Tradeoff

• معامله دقیق یادآوری The Precision-Recall Tradeoff

• دسته بندی کننده های باینری، چند برچسبی، چند کلاسه و چند خروجی Binary, Multilabel, Multiclass, and Multioutput Classifiers

مدل های طبقه بندی ساده در TensorFlow Simple Classification Models in TensorFlow

• نمایش تصاویر به عنوان تانسور Representing Images as Tensors

• الگوریتم K-nearest Neighbors The K-nearest Neighbors Algorithm

• اندازه گیری فاصله Distance Measures

• نسخه ی نمایشی: تنظیمات محیط و بسته Demo: Environment and Package Setup

• نسخه ی نمایشی: طبقه بندی تصویر با استفاده از K-nearest Neighbors Demo: Image Classification Using K-nearest Neighbors

• شهود پشت رگرسیون لجستیک The Intuition Behind Logistic Regression

• رگرسیون لجستیک برای پیش بینی Logistic Regression for Prediction

• آنتروپی متقاطع به عنوان تابع هزینه Cross-entropy as a Cost Function

• نسخه ی نمایشی: کاوش مجموعه داده های سرشماری Demo: Exploring the Census Dataset

• مهندسی ویژگی با ستون های سطلی و متقاطع Feature Engineering with Bucketized and Crossed Columns

• کار با برآوردگرها در TensorFlow Working with Estimators in TensorFlow

• نسخه ی نمایشی: پیش بینی درآمد با استفاده از رگرسیون لجستیک Demo: Income Prediction Using Logistic Regression

شبکه های عصبی کانولوشن برای طبقه بندی در TensorFlow Convolutional Neural Networks for Classification in TensorFlow

• نورون ها و شبکه های عصبی Neurons and Neural Networks

• درک چگونگی کارکرد کانولوشن Understanding How Convolution Works

• صفر بالشتک و اندازه گام Zero Padding and Stride Size

• معرفی شبکه های عصبی کانولوشنال Introducing Convolutional Neural Networks

• لایه های کانولوشن و نقشه های ویژگی Convolutional Layers and Feature Maps

• لایه های ترکیبی Pooling Layers

• معماری CNN ها Architecture of CNNs

• نسخه ی نمایشی: طبقه بندی تصویر با استفاده از CNN (مجموعه داده MNIST) Demo: Image Classification Using CNNs (MNIST Dataset)

• نسخه ی نمایشی: کاوش مجموعه داده CIFAR-10 Demo: Exploring the CIFAR-10 Dataset

• نسخه ی نمایشی: طبقه بندی تصاویر با استفاده از CNN (مجموعه داده CIFAR-10) Demo: Image Classification Using CNNs (CIFAR-10 Dataset)

شبکه های عصبی مکرر برای طبقه بندی در TensorFlow Recurrent Neural Networks for Classification in TensorFlow

• چرا گذشته مهم است؟ Why Is the Past Important?

• درک نورون عود کننده Understaning the Recurrent Neuron

• آموزش استفاده از Back Propogation Training Using Back Propogation

• نسخه ی نمایشی: طبقه بندی تصاویر با استفاده از RNN (مجموعه داده MNIST) Demo: Classifying Images Using RNNs (MNIST Dataset)

• مقابله با ناپدید شدن و انفجار گرادیان Dealing with Vanishing and Exploding Gradients

• سلول حافظه LSTM The LSTM Memory Cell

• رمزگذاری های برداری کلمه Word Vector Encodings

• نسخه ی نمایشی: کاوش مجموعه داده DBPedia برای طبقه بندی متن Demo: Exploring the DBPedia Dataset for Text Classification

• نسخه ی نمایشی: طبقه بندی متن با استفاده از RNN Demo: Text Classification Using RNNs

• خلاصه و مراحل بعدی برای یادگیری Summary and Next Steps for Learning