آموزش پیاده سازی شبکه های عصبی چند لایه با TFLearn

Implementing Multi-layer Neural Networks with TFLearn

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: یادگیری عمیق یکی از داغترین مباحث مهندسان یادگیری ماشین است. در این دوره ، شما به سرعت می توانید اولین شبکه عصبی خود را با استفاده از TFLearn در بالای Tensorflow بسازید. همه را بزرگ کنید بررسی اجمالی دوره 1m 36s چرا یادگیری عمیق؟ 18 متر 47s TFLearn چیست؟ 24m 33s پیاده سازی لایه ها در TFLearn 38 متر 45 ثانیه فعالیت های ساختمانی در TFLearn 11 متر 14 ثانیه مدیریت داده ها با TFLearn 18 متر 9 ثانیه در حال اجرا مدل ها با TFLearn 16 متر 6 ثانیه علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

چرا یادگیری عمیق؟ Why Deep Learning?

  • بررسی اجمالی Overview

  • یادگیری ماشینی در مقابل یادگیری عمیق Machine Learning vs. Deep Learning

  • شبکه های عصبی مصنوعی Artificial Neural Networks

  • مفاهیم یادگیری عمیق Deep Learning Concepts

  • خلاصه Summary

TFLearn چیست؟ What Is TFLearn?

  • بررسی اجمالی Overview

  • کتابخانه DL در مقابل چارچوب ها DL Library vs. Frameworks

  • Tensorflow در مقابل TFLearn Tensorflow vs. TFLearn

  • نسخه ی نمایشی: MNIST Tensorflow و TFLearn Demo: MNIST Tensorflow and TFLearn

  • نسخه ی نمایشی: مستندات TFLearn Demo: TFLearn Documentation

  • ایجاد محیط های توسعه TFLearn Building TFLearn Development Environments

  • نسخه ی نمایشی: تنظیم محیط توسعه TFLearn Demo: Setting up TFLearn Development Environment

  • خلاصه Summary

پیاده سازی لایه ها در TFLearn Implementing Layers in TFLearn

  • بررسی اجمالی Overview

  • لایه های اصلی در TFLearn Core Layers in TFLearn

  • نسخه ی نمایشی: لایه های اصلی در TFLearn Demo: Core Layers in TFLearn

  • TFLearn لایه های کانولوشن TFLearn Convolutional Layers

  • نسخه ی نمایشی: لایه های کانولوشن Demo: Convolutional Layers

  • لایه های تکراری TFLearn TFLearn Recurrent Layers

  • نسخه ی نمایشی: لایه های مکرر Demo: Recurrent Layers

  • برآوردگر TFLearn TFLearn Estimator

  • نسخه ی نمایشی: لایه های برآورد کننده Demo: Estimator Layers

  • خلاصه Summary

فعالیت های ساختمانی در TFLearn Building Activations in TFLearn

  • بررسی اجمالی Overview

  • فعالیتها در TFLearn Activations in TFLearn

  • فعالیتها در TFLearn Activations in TFLearn

  • نسخه ی نمایشی: توابع فعال سازی TFLearn Demo: TFLearn Activation Functions

  • خلاصه Summary

مدیریت داده ها با TFLearn Managing Data with TFLearn

  • بررسی اجمالی Overview

  • DataUtils TFLearn DataUtils TFLearn

  • نسخه ی نمایشی: DataUtils Demo: DataUtils

  • پیش پردازش داده ها Data Preprocessing

  • پردازش زمان واقعی با TFLearn Real Time Processing with TFLearn

  • خلاصه Summary

در حال اجرا مدل ها با TFLearn Running Models with TFLearn

  • بررسی اجمالی Overview

  • شبکه های عصبی عمیق Deep Neural Networks

  • شبکه های عصبی مولد Generative Neural Networks

  • نسخه ی نمایشی: مقایسه مدل های TFLearn Demo: Comparing TFLearn Models

  • بعدی چیست What's Next

نمایش نظرات

آموزش پیاده سازی شبکه های عصبی چند لایه با TFLearn
جزییات دوره
2h 9m
40
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Thomas Henson
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Thomas Henson Thomas Henson

توماس یک مهندس ارشد نرم افزار و دارای مجوز ScrumMaster است. وی در طول کار خود در پروژه های زیادی از ساخت برنامه های وب تا راه اندازی خوشه های Hadoop مشارکت داشته است. تخصص توماس با Hortonworks Data Platform و Agile Software Development است. توماس یک فارغ التحصیل افتخارآمیز دانشگاه آلابامای شمالی است که در آنجا BBA - سیستم اطلاعات رایانه و MBA - سیستم های اطلاعاتی خود را دریافت کرده است. وی در حال حاضر به همراه همسر و دخترش در شمال آلاباما اقامت دارد و در آنجا فرار می کند.