آموزش یادگیری عمیق برای مبتدیان در پایتون: روی 12+ پروژه کار کنید

Deep Learning for Beginners in Python: Work On 12+ Projects

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: روی بیش از 12 پروژه، یادگیری عمیق پایتون، TensorFlow 2.0، شبکه های عصبی، NLP، علم داده، یادگیری ماشین، بیشتر کار کنید! درک کامل یادگیری عمیق از ساختمان اسکرچ شبکه‌های عصبی مصنوعی (ANN) از شبکه‌های عصبی مصنوعی (ANN) برای طبقه‌بندی داده‌های دودویی ساختمان شبکه‌های عصبی کانولوشن از شبکه عصبی کانولوشن اسکرچ برای طبقه‌بندی تصویر شبکه عصبی کانولوشن برای Digit Cancerg تشخیص با شبکه های عصبی کانولوشن شبکه های عصبی کانولوشن برای تجزیه و تحلیل پیش بینی کننده شبکه های عصبی کانولوشن برای تشخیص تقلب ساخت شبکه های عصبی تکراری (ANN) از ابتدا LSTM و GRU طبقه بندی مرور با LSTM و GRU LSTM و GRU برای طبقه بندی تصویر پیش بینی RNN و قیمت سهام Google با LSTM Transfer Learning Natural Language Processing Crash Course on Numpy (Data Analysis) Crash Course on Pandas (Data Analysis) Crash course on Matplotlib (Data Visualization) پیش نیازها:مبانی برنامه نویسی پایتون

هوش مصنوعی و یادگیری عمیق در دنیای امروز به طور تصاعدی در حال رشد هستند. چندین کاربرد هوش مصنوعی و یادگیری عمیق مانند اتومبیل های خودران، چت بات ها، تشخیص تصویر، کمک مجازی، ALEXA و غیره وجود دارد...

با این دوره، پیچیدگی های یادگیری عمیق را به روشی آسان درک خواهید کرد و همچنین درک کاملی از چارچوب Googles TensorFlow 2.0 خواهید داشت

TensorFlow 2.0 Framework دارای ویژگی های شگفت انگیزی است که توسعه مدل، نگهداری، فرآیندها و عملکرد را ساده می کند

در TensorFlow 2.0 می‌توانید کدنویسی را با Zero Installation شروع کنید، چه متخصص و چه مبتدی، در این دوره آموزشی پیاده‌سازی کامل الگوریتم‌های یادگیری عمیق را خواهید آموخت


لیست پروژه هایی که روی آنها کار خواهید کرد،

بخش 1: شبکه های عصبی مصنوعی (ANN)

پروژه 1: طبقه بندی تصاویر چند کلاسه با ANN

پروژه 2: طبقه بندی داده های باینری با ANN

بخش 2: شبکه های عصبی کانولوشن (CNN)

پروژه 3: تشخیص اشیاء در تصاویر با CNN

پروژه 4: طبقه بندی تصاویر باینری با CNN

پروژه 5: تشخیص رقم با CNN

پروژه 6: تشخیص سرطان سینه با CNN

پروژه 7: پیش بینی رضایت مشتریان بانک

پروژه 8: شناسایی تقلب در کارت اعتباری با CNN

قسمت 3: شبکه های عصبی تکراری (RNN)

پروژه 9: طبقه بندی بررسی IMDB با RNN - LSTM

پروژه 10: طبقه بندی تصاویر چند کلاسه با RNN - LSTM

پروژه 11: پیش بینی قیمت سهام Google با RNN و LSTM

قسمت 4: آموزش انتقال

قسمت 5: پردازش زبان طبیعی

مبانی پردازش زبان طبیعی

پروژه 12: طبقه بندی بررسی فیلم با NLTK

قسمت 6: تجزیه و تحلیل داده ها و تجسم داده ها

دوره Crash در Numpy (تجزیه و تحلیل داده ها)

دوره تصادف در پانداها (تجزیه و تحلیل داده ها)

دوره Crash در Matplotlib (تجسم داده ها)


با این دوره، خواهید آموخت،

1) برای ساختن شبکه های عصبی از ابتدا

2) شما درک کاملی از شبکه های عصبی مصنوعی، شبکه های عصبی کانولوشن و شبکه های عصبی تکراری خواهید داشت

3) شما یاد خواهید گرفت که شبکه های عصبی را با LSTM و GRU بسازید

4) آموزش انتقال عملی

5) با انجام یک پروژه طبقه بندی متن، پردازش زبان طبیعی را بیاموزید

6) مهارت های خود را در تجزیه و تحلیل داده ها با Numpy، پانداها و تجسم داده ها با Matplotlib بهبود دهید


پس منتظر چه چیزی هستید، اکنون ثبت نام کنید و یادگیری عمیق را برای پیشرفت شغلی و افزایش دانش خود درک کنید!


با احترام،

ویجی گداوه


سرفصل ها و درس ها

معرفی Introduction

  • معرفی دوره Course Introduction

  • به‌روزرسانی‌های Udemy Reviews Updates on Udemy Reviews

  • سوالات متداول دوره Course FAQ's

نصب و راه اندازی Installation and Setup

  • مقدمه ای بر Google Colab Introduction to Google Colab

  • به‌روزرسانی Google Colab (از رد نشوید) Google Colab Update (Don't Skip)

  • نوت بوک ها و مجموعه داده های Colab Colab notebooks and datasets

--------------------بخش 1: شبکه های عصبی مصنوعی (ANN)-------------------- -------------------Part 1: Artificial Neural Networks (ANNs)--------------------

  • به بخش 1 خوش آمدید - شبکه های عصبی مصنوعی (ANN) Welcome to Part 1 - Artificial Neural Networks (ANNs)

مقدمه ای بر شبکه های عصبی مصنوعی (ANN) Introduction to Artificial Neural Networks (ANNs)

  • نورون The Neuron

  • تابع فعال سازی Activation Function

  • تابع هزینه Cost Function

  • Gradient Descent and Back-Propagation Gradient Descent and Back-Propagation

پروژه 1: طبقه بندی تصاویر چند کلاسه با ANN Project 1: Multiclass image classification with ANN

  • مرحله 1 - نصب و راه اندازی Step 1 - Installation and Setup

  • مرحله 2 - پیش پردازش داده ها Step 2 - Data Preprocessing

  • سخنرانی Imp (از آن نگذرید) Imp Lecture (don't skip)

  • مرحله 3 - ساخت مدل Step 3 - Building the Model

  • مرحله 4 - آموزش مدل Step 4 - Training the Model

  • مرحله 5 - ارزیابی و عملکرد مدل Step 5 - Model evaluation and performance

پروژه 2: طبقه بندی داده های باینری با ANN Project 2: Binary Data Classification with ANN

  • مرحله 1 طبقه بندی داده های باینری Binary Data Classification Step 1

  • مرحله 2 طبقه بندی داده های باینری Binary Data Classification Step 2

  • مرحله 3 طبقه بندی داده های باینری Binary Data Classification Step 3

  • مرحله 4 طبقه بندی داده های باینری Binary Data Classification Step 4

  • مرحله 5 طبقه بندی داده های باینری Binary Data Classification Step 5

-----------------بخش 2: شبکه های عصبی کانولوشن (CNN)-------------------- ----------------Part 2: Convolutional Neural Networks (CNNs)--------------------

  • به بخش 2 خوش آمدید - شبکه های عصبی کانولوشنال (CNN) Welcome to Part 2 - Convolutional Neural Networks (CNNs)

مقدمه ای بر شبکه های عصبی کانولوشنال (CNN) Introduction to Convolutional Neural Networks (CNNs)

  • شبکه عصبی کانولوشنال قسمت 1 Convolutional Neural Network Part 1

  • شبکه عصبی کانولوشنال قسمت 2 Convolutional Neural Network Part 2

پروژه 3: تشخیص اشیاء در تصاویر با CNN Project 3: Object Recognition in Images with CNN

  • مرحله 1 شناسایی شیء در تصاویر Object Recognition in Images Step 1

  • مرحله 2 شناسایی شی در تصاویر Object Recognition in Images Step 2

  • مرحله 3 شناسایی شیء در تصاویر Object Recognition in Images Step 3

  • مرحله 4 شناسایی شیء در تصاویر Object Recognition in Images Step 4

  • مرحله 5 تشخیص اشیاء در تصاویر Object Recognition in Images Step 5

پروژه 4: طبقه بندی تصاویر باینری با CNN Project 4: Binary Image Classification with CNN

  • مرحله 1 طبقه بندی تصاویر باینری Binary Image Classification Step 1

  • مرحله 2 طبقه بندی تصاویر باینری Binary Image Classification Step 2

  • مرحله 3 طبقه بندی تصاویر باینری Binary Image Classification Step 3

  • مرحله 4 طبقه بندی تصاویر باینری Binary Image Classification Step 4

  • مرحله 5 طبقه بندی تصاویر باینری Binary Image Classification Step 5

پروژه 5: تشخیص رقم با CNN Project 5: Digit Recognition with CNN

  • تشخیص رقم با CNN - مرحله 1 Digit Recognition with CNN - Step 1

  • تشخیص رقم با CNN - مرحله 2 Digit Recognition with CNN - Step 2

  • تشخیص رقم با CNN - مرحله 3 Digit Recognition with CNN - Step 3

پروژه 6: تشخیص سرطان سینه با CNN Project 6: Breast Cancer Detection with CNN

  • تشخیص سرطان سینه با CNN - مرحله 1 Breast Cancer Detection with CNN - Step 1

  • تشخیص سرطان سینه با CNN - مرحله 2 Breast Cancer Detection with CNN - Step 2

  • تشخیص سرطان سینه با CNN - مرحله 3 Breast Cancer Detection with CNN - Step 3

پروژه 7: پیش بینی رضایت مشتری بانک با CNN Project 7: Predicting the Bank Customer Satisfaction with CNN

  • پیش بینی رضایت مشتریان بانک - مرحله 1 Predicting the Bank Customer Satisfaction - Step 1

  • پیش بینی رضایت مشتریان بانک - مرحله 2 Predicting the Bank Customer Satisfaction - Step 2

  • پیش بینی رضایت مشتریان بانک - مرحله 3 Predicting the Bank Customer Satisfaction - Step 3

  • پیش بینی رضایت مشتریان بانک - مرحله 4 Predicting the Bank Customer Satisfaction - Step 4

پروژه 8: شناسایی تقلب در کارت اعتباری با CNN Project 8: Credit Card Fraud Detection with CNN

  • تشخیص تقلب در کارت اعتباری با CNN - مرحله 1 Credit Card Fraud Detection with CNN - Step 1

  • تشخیص تقلب کارت اعتباری با CNN - مرحله 2 Credit Card Fraud Detection with CNN - Step 2

  • تشخیص تقلب در کارت اعتباری با CNN - مرحله 3 Credit Card Fraud Detection with CNN - Step 3

  • شناسایی تقلب در کارت اعتباری با CNN - مرحله 4 Credit Card Fraud Detection with CNN - Step 4

---------------------بخش 3: شبکه های عصبی تکراری (RNN)-------------------- --------------------Part 3: Recurrent Neural Networks (RNNs)--------------------

  • به قسمت 3 خوش آمدید - شبکه های عصبی تکراری (RNN) Welcome to Part 3 - Recurrent Neural Networks (RNNs)

مقدمه ای بر شبکه های عصبی بازگشتی Introduction to Recurrent Neural Networks

  • مقدمه ای بر شبکه های عصبی بازگشتی Introduction to Recurrent Neural Networks

  • مشکل ناپدید شدن گرادیان Vanishing Gradient Problem

  • LSTM و GRU LSTM and GRU

پروژه 9: طبقه بندی بررسی IMDB با RNN - LSTM Project 9: IMDB Review Classification with RNN - LSTM

  • طبقه بندی بررسی IMDB با RNN - LSTM: مرحله 1 IMDB Review Classification with RNN - LSTM: Step 1

  • طبقه بندی بررسی IMDB با RNN - LSTM: مرحله 2 IMDB Review Classification with RNN - LSTM: Step 2

  • طبقه بندی بررسی IMDB با RNN - LSTM: مرحله 3 IMDB Review Classification with RNN - LSTM: Step 3

پروژه 10: طبقه بندی تصاویر چند کلاسه با RNN - LSTM Project 10: Multiclass Image Classification with RNN - LSTM

  • طبقه بندی تصاویر چند کلاسه با RNN - LSTM: مرحله 1 Multiclass Image Classification with RNN - LSTM: Step 1

  • طبقه بندی تصاویر چند کلاسه با RNN - LSTM: مرحله 2 Multiclass Image Classification with RNN - LSTM: Step 2

  • طبقه بندی تصاویر چند کلاسه با RNN - LSTM: مرحله 3 Multiclass Image Classification with RNN - LSTM: Step 3

پروژه 11: پیش بینی قیمت سهام گوگل با RNN و LSTM Project 11: Google Stock Price Prediction with RNN and LSTM

  • پیش بینی قیمت سهام گوگل با RNN و LSTM: مرحله 1 Google Stock Price Prediction with RNN and LSTM: Step 1

  • پیش بینی قیمت سهام گوگل با RNN و LSTM: مرحله 2 Google Stock Price Prediction with RNN and LSTM: Step 2

  • پیش بینی قیمت سهام گوگل با RNN و LSTM: مرحله 3 Google Stock Price Prediction with RNN and LSTM: Step 3

  • پیش بینی قیمت سهام گوگل با RNN و LSTM: مرحله 4 Google Stock Price Prediction with RNN and LSTM: Step 4

  • پیش بینی قیمت سهام گوگل با RNN و LSTM: مرحله 5 Google Stock Price Prediction with RNN and LSTM: Step 5

----------------------قسمت 4: آموزش انتقال-------------------- --------------------Part 4: Transfer Learning--------------------

  • به قسمت 4 - آموزش انتقال خوش آمدید Welcome to Part 4 - Transfer Learning

آموزش انتقالی Transfer Learning

  • آموزش انتقال مرحله 1 Transfer Learning Step 1

  • آموزش انتقال مرحله 2 Transfer Learning Step 2

  • آموزش انتقال مرحله 3 Transfer Learning Step 3

  • آموزش انتقال مرحله 4 Transfer Learning Step 4

---------------------بخش 5: پردازش زبان طبیعی-------------------- --------------------Part 5: Natural Language Processing--------------------

  • به قسمت 5: پردازش زبان طبیعی خوش آمدید Welcome to Part 5: Natural Language Processing

مبانی پردازش زبان طبیعی Basics of Natural Language Processing

  • مقدمه ای بر پردازش زبان طبیعی Introduction to Natural Language Processing

  • معرفی و نصب NLTK NLTK Introduction and Installation

  • توکن سازی Tokenization

  • ساقه Stemming

  • Lemmatization Lemmatization

  • کلمات را متوقف کنید Stop Words

  • برچسب گذاری POS POS Tagging

  • تکه تکه شدن Chunking

  • به نام Entity Recognition Named Entity Recognition

پروژه 12: طبقه‌بندی مرور فیلم با NLTK Project 12: Movie Review Classifivation with NLTK

  • طبقه بندی نقد و بررسی فیلم با NLTK مرحله 1 Movie Review Classifivation with NLTK Step 1

  • طبقه بندی نقد و بررسی فیلم با NLTK مرحله 2 Movie Review Classifivation with NLTK Step 2

-----------------قسمت 6: تجزیه و تحلیل داده ها و تجسم داده ها-------------------- ----------------Part 6: Data Analysis and Data Visualization--------------------

  • به قسمت 6 - تجزیه و تحلیل داده ها و تجسم داده ها خوش آمدید Welcome to Part 6 - Data Analysis and Data Visualization

دوره Crash در Numpy (تجزیه و تحلیل داده ها) Crash Course on Numpy (Data Analysis)

  • مقدمه ای بر NumPy Introduction to NumPy

  • آرایه های Numpy قسمت 1 Numpy Arrays Part 1

  • آرایه های Numpy قسمت 2 Numpy Arrays Part 2

  • آرایه های Numpy قسمت 3 Numpy Arrays Part 3

  • نمایه سازی و انتخاب Numpy قسمت 1 Numpy Indexing and Selection Part 1

  • نمایه سازی و انتخاب Numpy قسمت 2 Numpy Indexing and Selection Part 2

  • عملیات Numpy Numpy Operations

دوره سقوط پانداها (تجزیه و تحلیل داده ها) Crash Course on Pandas (Data Analysis)

  • معرفی پانداها Pandas Introduction

  • سری پانداها Pandas Series

  • DataFrames قسمت 1 DataFrames Part 1

  • DataFrames قسمت 2 DataFrames Part 2

  • DataFrames قسمت 3 DataFrames Part 3

  • داده های از دست رفته Missing Data

  • روش Groupby Groupby Method

  • ادغام، پیوستن و الحاق دیتا فریم ها Merging, Joining and Concatenating DataFrames

  • عملیات پانداها Pandas Operations

  • خواندن و نوشتن فایل ها در پانداها Reading and Writing Files in Pandas

دوره Crash در Matplotlib (تجسم داده ها) Crash course on Matplotlib (Data Visualization)

  • Matplotlib قسمت 1 - روش عملکردی Matplotlib Part 1 - Functional Method

  • Matplotlib قسمت 1 - روش شی گرا Matplotlib Part 1 - Object Oriented Method

  • Matplotlib قسمت 2 - روش Subplots Matplotlib Part 2 - Subplots Method

  • Matplotlib قسمت 2 - اندازه شکل، نسبت ابعاد و DPI Matplotlib Part 2 - Figure size, Aspect ratio and DPI

  • Matplotlib قسمت 3 Matplotlib Part 3

  • Matplotlib قسمت 3 Matplotlib Part 3

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری عمیق برای مبتدیان در پایتون: روی 12+ پروژه کار کنید
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
14.5 hours
105
Udemy (یودمی) udemy-small
11 مهر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
1,458
4.4 از 5
ندارد
دارد
دارد
Vijay Gadhave

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Vijay Gadhave Vijay Gadhave

دانشمند داده و توسعه دهنده نرم افزار

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.