لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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