لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق - شبکه های عصبی کانولوشن با TensorFlow [ویدئو]
Deep Learning - Convolutional Neural Networks with TensorFlow [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
TensorFlow محبوب ترین کتابخانه جهان برای یادگیری عمیق است و توسط گوگل ساخته شده است. این کتابخانه انتخابی برای بسیاری از شرکتهایی است که هوش مصنوعی (هوش مصنوعی) و یادگیری ماشینی را انجام میدهند. بنابراین، اگر می خواهید یادگیری عمیق انجام دهید، باید TensorFlow را بدانید.
در این دوره، نحوه استفاده از TensorFlow 2 برای ساخت شبکه های عصبی کانولوشنال (CNN) را یاد خواهید گرفت. ابتدا با نگاهی عمیق به اینکه کانولوشن چیست، چرا مفید است و چگونه آن را در یک شبکه عصبی ادغام کنیم، شروع خواهیم کرد. سپس یاد خواهید گرفت که چگونه CNN ها را در چندین مجموعه داده تشخیص تصویر عملی، از کوچک و نسبتاً ساده تا بزرگ و پیچیده اعمال کنید. در مرحله بعد، نحوه انجام پیش پردازش متن و طبقه بندی متن با CNN را یاد خواهید گرفت.
در بخش آخر، با تکنیکهایی آشنا میشوید که به بهبود عملکرد کمک میکنند، مانند نرمالسازی دستهای، افزایش دادهها و انتقال یادگیری برای Computer Vision.
در پایان این دوره، نحوه ساخت شبکه های عصبی کانولوشنال در یادگیری عمیق با TensorFlow را خواهیم فهمید.
تمام نوت بوک های مورد استفاده در دوره در دسترس هستند: https://github.com/PacktPublishing/Deep-Learning---Convolutional-Neural-Networks-with-TensorFlow درک مفهوم کانولوشن
ادغام پیچیدگی در شبکه های عصبی
CNN ها را در چندین مجموعه داده تشخیص تصویر، کوچک و بزرگ، اعمال کنید
بهترین روش ها برای طراحی معماری CNN را بیاموزید
با نرمال سازی دسته ای و افزایش داده ها آشنا شوید
یاد بگیرید چگونه پیش پردازش متن را از قبل تشکیل دهید این دوره برای هر کسی که به یادگیری عمیق و یادگیری ماشین علاقه دارد یا برای هر کسی که می خواهد شبکه های عصبی کانولوشنال را در TensorFlow 2 پیاده سازی کند طراحی شده است.
فرد باید مهارت های برنامه نویسی پایتون مناسبی داشته باشد، باید بداند چگونه یک ANN (شبکه عصبی مصنوعی) در TensorFlow 2 ایجاد کند و باید با کتابخانه های علوم داده مانند NumPy و Matplotlib تجربه داشته باشد. یاد بگیرید چگونه از TensorFlow 2 برای ساخت شبکه های عصبی کانولوشنال (CNN) استفاده کنید * این دوره پردازش زبان طبیعی (NLP) و انتقال یادگیری را برای Computer Vision را پوشش می دهد * نحوه اعمال CNN ها را در NLP توضیح می دهد.
سرفصل ها و درس ها
خوش آمدی
Welcome
معرفی
Introduction
طرح کلی
Outline
شبکه های عصبی کانولوشن (CNN)
Convolutional Neural Networks (CNNs)
کانولوشن چیست؟ (قسمت 1)
What Is Convolution? (Part 1)
کانولوشن چیست؟ (قسمت 2)
What Is Convolution? (Part 2)
کانولوشن چیست؟ (قسمت سوم)
What Is Convolution? (Part 3)
پیچیدگی در تصاویر رنگی
Convolution on Color Images
معماری CNN
CNN Architecture
تهیه کد CNN
CNN Code Preparation
CNN برای Fashion MNIST
CNN for Fashion MNIST
CNN برای CIFAR-10
CNN for CIFAR-10
افزایش داده ها
Data Augmentation
عادی سازی دسته ای
Batch Normalization
بهبود نتایج CIFAR-10
Improving CIFAR-10 Results
صندوق پیشنهادات
Suggestion Box
پردازش زبان طبیعی (NLP)
Natural Language Processing (NLP)
جاسازی ها
Embeddings
تهیه کد (NLP)
Code Preparation (NLP)
پیش پردازش متن
Text Preprocessing
CNN برای متن
CNNs for Text
طبقه بندی متن با CNN
Text Classification with CNNs
آموزش انتقال برای بینایی کامپیوتر
Transfer Learning for Computer Vision
تئوری یادگیری انتقالی
Transfer Learning Theory
برخی از مدل های از پیش آموزش دیده (VGG، ResNet، Inception، MobileNet)
Some Pre-Trained Models (VGG, ResNet, Inception, MobileNet)
مجموعه داده های بزرگ و تولید کننده های داده
Large Datasets and Data Generators
2 رویکرد به یادگیری انتقالی
2 Approaches to Transfer Learning
کد آموزش انتقال (قسمت 1)
Transfer Learning Code (Part 1)
کد آموزش انتقال (قسمت 2)
Transfer Learning Code (Part 2)
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.
نمایش نظرات