لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق با R: ساخت و پیشبینی شبکههای عصبی
- آخرین آپدیت
دانلود Deep Learning with R: Build & Predict Neural Networks
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
با تکمیل این دوره، فراگیران قادر خواهند بود مجموعهدادهها را در زبان R آماده کنند، تکنیکهای آماری و بصریسازی را به کار ببرند، مدلهای رگرسیون بسازند و شبکههای عصبی را طراحی، اجرا و ارزیابی کنند. دوره با ضروریات آمادهسازی دادهها، از جمله کار با دیتافریمها، آمار توصیفی و تنظیم محیط برنامهنویسی شروع میشود تا اطمینان حاصل شود که فراگیران میتوانند با اعتماد به نفس گردش کار خود را مدیریت کنند. سپس به سمت بصریسازی دادهها پیش میرود، جایی که فراگیران نمودارهای خطی، نمودارهای پراکندگی و بصریسازیهای پیشرفته را برای تفسیر الگوها و روابط ایجاد میکنند. مفاهیم مدلسازی رگرسیون برای ایجاد یک پایه پیشبینی قوی معرفی میشوند. در نهایت، دوره به سمت یادگیری عمیق حرکت میکند و فراگیران را در آمادهسازی مجموعهداده، کدنویسی شبکه عصبی، معماری پرسپترون چندلایه (MLP) و تستهای پیشبینی هدایت میکند.
آنچه این دوره را متمایز میکند، تعادل بین تئوری و کاربرد عملی با استفاده از R است، ابزاری که در دانشگاه و صنعت بسیار مورد استفاده قرار میگیرد. فراگیران نه تنها مهارتهای فنی برای اجرای دستورات و ساخت مدلها را به دست میآورند، بلکه تفکر انتقادی لازم برای ارزیابی نتایج در زمینههای دنیای واقعی را نیز توسعه میدهند. چه در یادگیری ماشین تازهکار باشید و چه به دنبال گسترش دانش خود در حوزه یادگیری عمیق، این دوره مسیری ساختاریافته و عملی برای تسلط بر شبکههای عصبی با R فراهم میکند.
سرفصل ها و درس ها
آمادهسازی دادهها و تنظیم محیط
Data Preparation and Environment Setup
محتوای دوره
Course Contents
ایجاد دیتافریمها
Creating Dataframes
تولید آمار توصیفی
Generating Descriptive
ادامه تولید آمار توصیفی
Generating Descriptive Continued
تنظیم دایرکتوری و محیط
Setting Directory and Environment
تعریف متغیرها
Assigning Variables
سینتکس و دستورات بخش اول
Syntax and Command Part 1
سینتکس و دستورات بخش دوم
Syntax and Command Part 2
سینتکس و دستورات بخش سوم
Syntax and Command Part 3
تنظیم دایرکتوری و محیط ارزهای دیجیتال
Setting Directory and Environment-Cryptocurrencies
تکنیکهای اسپیرمن
Spearman Techniques
بصریسازی دادهها و مبانی رگرسیون
Data Visualization and Regression Foundations
ایجاد نمودارهای خطی
Generating Line Graphs
ایجاد نمودارهای پراکندگی
Generating Scatter Plots
ایجاد نمودارهای پراکندگی چندگانه
Generating Multiple Scatter Plots
ایجاد نمودارهای پراکندگی بخش انرژی
Generating Scatter Plots-Energy Sector
نمودارهای پراکندگی چندگانه
Multiple Scatter Plots
نمودارهای پراکندگی چندگانه در یک قاب گرافیکی
Multiple Scatter Plots in a Graphical Frame
درک تئوری مدلسازی رگرسیون
Understanding Regression Modeling Theory
پیادهسازی مدلسازی رگرسیون خطی
Implementing Linear Regression Modeling
سینتکس و دستورات
Syntax and Commands
شبکههای عصبی با R
Neural Networks with R
ایجاد دیتافریمهای بازارهای مالی
Creating Dataframes-Financial Markets
درک مدلهای چندگانه
Understanding Multiple
پیادهسازی مدل رگرسیون چندگانه در R
Implementing Multiple Regression Model in R
رسم و ترسیم خط برازش
Plot and Draw Line of Fit
مرور مجموعهداده
Reviewing Dataset
ایجاد دیتافریمها
Creating Dataframes
تولید خروجی
Generating Output
اجرای کد شبکه عصبی
Running Neural Network Code
وارد کردن مجموعهداده
Importing Dataset
نمودارهای شبکه عصبی برای لایه پنهان اول
Neural Network Plots for Hidden Layer 1
سینتکس و دستورات برای MLP
Syntax and Commands for MLP
اجرای کد
Running the Code
تست برای دیتافریمها
Testing for Dataframes
پیشبینی نتایج
Predict Results
ایجاد پوشه R
Creating R Folder
تولید نمودار خروجی
Generating Output Plot
تست و پیشبینی خروجیها
Testing and Predicting the Outputs
نمایش نظرات