آموزش مسترکلاس یادگیری عمیق

Deep Learning MasterClass

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: درباره چرخه زندگی کامل پروژه یادگیری عمیق بیاموزید. شبکه‌های عصبی مختلف را با استفاده از Tensorflow و Keras پیاده‌سازی کنید. چرخه زندگی کامل یک پروژه علم داده را با یادگیری ماشین و یادگیری عمیق خواهید آموخت. در مورد شبکه های عصبی مختلف مانند ANN، CNN و RNN بیاموزید. درباره پانداها، numpy، matplotlib، sklearn، tensorflow که برخی از مهم ترین کتابخانه های پایتون مورد استفاده در Data Science، ML و DL هستند، بیاموزید. شما پروژه های عملی مانند پیش بینی قیمت طلا، پیش بینی کلاس تصویر و پیش بینی قیمت سهام را با استفاده از شبکه های عصبی مختلف خواهید ساخت. پیش نیازها: درک مقدماتی زبان برنامه نویسی پایتون.

یادگیری عمیق زیرشاخه‌ای از یادگیری ماشینی است که بر ساخت شبکه‌های عصبی با لایه‌های بسیار متمرکز است که به شبکه‌های عصبی عمیق معروف هستند. این شبکه‌ها معمولاً از لایه‌های متعددی از «نرون‌ها» یا «واحدها» به هم پیوسته تشکیل شده‌اند که توابع ریاضی ساده‌ای هستند که اطلاعات را پردازش می‌کنند. لایه‌ها در یک شبکه عصبی عمیق به شیوه‌ای سلسله مراتبی سازمان‌دهی می‌شوند، با لایه‌های پایین‌تر ویژگی‌های اساسی را پردازش می‌کنند و لایه‌های بالاتر این ویژگی‌ها را برای نمایش مفاهیم انتزاعی‌تر ترکیب می‌کنند.

مدل‌های یادگیری عمیق با استفاده از مقادیر زیادی داده و منابع محاسباتی قدرتمند، مانند واحدهای پردازش گرافیکی (GPU) آموزش داده می‌شوند. آموزش مدل‌های یادگیری عمیق می‌تواند از نظر محاسباتی فشرده باشد، اما این مدل‌ها می‌توانند در طیف گسترده‌ای از وظایف، از جمله طبقه‌بندی تصویر، پردازش زبان طبیعی، تشخیص گفتار، و بسیاری کارهای دیگر، به عملکردی پیشرفته دست یابند.

انواع مختلفی از مدل‌های یادگیری عمیق وجود دارد، مانند شبکه‌های عصبی پیش‌خور، شبکه‌های عصبی کانولوشنال (CNN)، شبکه‌های عصبی بازگشتی (RNN)، و بسیاری دیگر. هر نوع مدل برای نوع متفاوتی از مشکل مناسب است و انتخاب مدل به وظیفه خاص و نوع داده‌های موجود بستگی دارد.


در این دوره خواهید آموخت:


  • پروژه چرخه حیات کامل علم داده.

  • کتابخانه های مهم علوم داده مانند پانداها، نومپی، متپلاتلیب، سیبورن، اسکلرن و غیره...

  • نحوه انتخاب مدل یادگیری ماشینی یا یادگیری عمیق مناسب برای پروژه خود

  • مبانی یادگیری ماشین

  • رگرسیون و طبقه بندی در یادگیری ماشینی

  • شبکه های عصبی مصنوعی (ANN)

  • شبکه های عصبی کانولوشن (CNN)

  • شبکه های عصبی تکراری (RNN)

  • تنسورفلو و کراس

  • پروژه های مختلف مانند پیش بینی قیمت طلا، پیش بینی قیمت سهام، طبقه بندی تصویر و غیره...


همه بهترین ها !!!





سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

ناپخته Numpy

  • معرفی Numpy Introduction to Numpy

  • ایجاد آرایه ها Creating Arrays

  • شکل و تغییر شکل Shape and Reshape

  • نمایه سازی Indexing

  • در حال تکرار Iterating

  • برش دادن Slicing

  • جستجو و مرتب سازی Searching and Sorting

پانداها Pandas

  • آشنایی با پانداها Introduction to Pandas

  • سری پانداها Pandas Series

  • DataFrame DataFrame

  • خواندن CSV ReadCSV

  • DataFrames را تجزیه و تحلیل کنید Analyze DataFrames

Matplotlib و Seaborn برای تجسم داده ها Matplotlib and Seaborn for Data Visualization

  • مقدمه ای بر Matplotlib Introduction to Matplotlib

  • نقشه های مختلف در Matplotlib Different Plots in Matplotlib

  • متولد دریا Seaborn

مبانی یادگیری ماشین Machine Learning Fundamentals

  • مقدمه یادگیری ماشین Machine Learning Introduction

  • یادگیری ماشینی تحت نظارت Supervised Machine Learning

  • یادگیری ماشینی بدون نظارت Unsupervised Machine Learning

  • تقسیم تست قطار Train Test Split

  • چرخه زندگی یادگیری ماشینی Machine Learning LifeCycle

  • کار با ارزش های گمشده Working with Missing Values

  • مقیاس بندی ویژگی ها Feature Scaling

  • رمزگذاری ویژگی Feature Encoding

  • معیارهای ارزیابی مدل Model Evaluation Metrics

شبکه های عصبی مصنوعی (ANN) Artificial Neural Networks (ANN)

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

  • توابع فعال سازی در شبکه های عصبی مصنوعی Activation Functions in Artificial Neural Networks

  • بهینه سازها Optimizers

  • پیش بینی قیمت طلا با استفاده از شبکه های عصبی مصنوعی Gold Price Prediction using Artificial Neural Networks

  • پیش بینی دیابت با استفاده از شبکه عصبی مصنوعی Diabetes Prediction using Artificial Neural Network

شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNN)

  • CNN مقدمه CNN Introduction

  • پیاده سازی CNN با استفاده از Keras و Tensorflow Implementation of CNN using Keras and Tensorflow

شبکه های عصبی مکرر (RNN) Recurrent Neural Networks (RNN)

  • RNN مقدمه RNN Introduction

  • پیش بینی قیمت سهام مایکروسافت با استفاده از LSTM Microsoft Stock Price Prediction using LSTM

نمایش نظرات

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.

آموزش مسترکلاس یادگیری عمیق
جزییات دوره
4.5 hours
34
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,002
4.3 از 5
دارد
دارد
دارد
Raj Chhabria
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Raj Chhabria Raj Chhabria

مهندس علوم کامپیوتر با تخصص DataScience