آموزش یادگیری عمیق - شبکه‌های عصبی بازگشتی (RNN) با تنسورفلو - آخرین آپدیت

دانلود Deep Learning - Recurrent Neural Networks with TensorFlow

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک می‌کند دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. شبکه‌های عصبی بازگشتی (RNNs) دسته‌ای قدرتمند از شبکه‌های عصبی هستند که برای داده‌های متوالی (Sequence Data) طراحی شده‌اند و آن‌ها را برای پیش‌بینی سری‌های زمانی و وظایف پردازش زبان طبیعی (NLP) ایده‌آل می‌کنند. این دوره با معرفی مفاهیم بنیادی RNNها آغاز شده و کاربردهای آن‌ها را در پیش‌بینی و تحلیل سری‌های زمانی بررسی می‌کند. شما وارد دنیای کدنویسی با TensorFlow خواهید شد و یاد می‌گیرید چگونه مدل‌های خودرگرسیونی (Autoregressive) و RNNهای ساده را برای berbagai وظایف پیش‌بینی پیاده‌سازی کنید. با پیشرفت در دوره، با معماری‌های پیچیده‌تر RNN مانند GRUها و LSTMها آشنا خواهید شد. این واحدها برای مدیریت توالی‌های پیچیده و وابستگی‌های طولانی‌مدت در داده‌ها ضروری هستند. جلسات عملی شما را در استفاده از این مدل‌ها برای چالش‌های سخت، از جمله پیش‌بینی بازده سهام و طبقه‌بندی تصاویر در مجموعه داده MNIST راهنمایی می‌کند. همچنین، این دوره جنبه‌های حیاتی مدیریت ابعاد داده‌ها (Shapes) را پوشش می‌دهد تا اطمینان حاصل شود که مدل‌های شما ساختاری بهینه و کارآمد دارند. در بخش پایانی، تمرکز دوره به سمت پردازش زبان طبیعی (NLP) تغییر می‌کند؛ جایی که جاسازی‌ها (Embeddings)، پیش‌پردازش متن و طبقه‌بندی متن با استفاده از LSTMها را بررسی خواهید کرد. با ترکیب دانش تئوری و تمرینات کدنویسی عملی، درکی جامع از نحوه بهره‌برداری از RNNها برای کاربردهای مختلف به دست خواهید آورد. چه در حال پیش‌بینی قیمت سهام باشید و چه طبقه‌بندی متن، این دوره شما را به مهارت‌های لازم برای موفقیت در زمینه یادگیری عمیق مجهز می‌کند. این دوره برای دانشمندان داده، مهندسان یادگیری ماشین و علاقه‌مندان به هوش مصنوعی که می‌خواهند شبکه‌های عصبی بازگشتی را برای تحلیل سری‌های زمانی و پردازش زبان طبیعی یاد بگیرند و پیاده‌سازی کنند، ایده‌آل است. داشتن دانش پایه در پایتون و تنسورفلو توصیه می‌شود.

سرفصل ها و درس ها

خوش‌آمدگویی Welcome

  • مقدمه Introduction

  • سرفصل‌ها Outline

شبکه‌های عصبی بازگشتی (RNNs)، سری‌های زمانی و داده‌های متوالی Recurrent Neural Networks (RNNs), Time Series, and Sequence Data

  • داده‌های متوالی Sequence Data

  • پیش‌بینی (Forecasting) Forecasting

  • مدل خطی خودرگرسیونی برای پیش‌بینی سری‌های زمانی Autoregressive Linear Model for Time Series Prediction

  • اثبات کارکرد مدل خطی Proof That the Linear Model Works

  • شبکه‌های عصبی بازگشتی (واحد Elman بخش اول) Recurrent Neural Networks (Elman Unit Part 1)

  • شبکه‌های عصبی بازگشتی (واحد Elman بخش دوم) Recurrent Neural Networks (Elman Unit Part 2)

  • آماده‌سازی کد RNN RNN Code Preparation

  • استفاده از RNN برای پیش‌بینی سری‌های زمانی RNN for Time Series Prediction

  • توجه به ابعاد داده‌ها (Shapes) Paying Attention to Shapes

  • GRU و LSTM (بخش اول) GRU and LSTM (Part 1)

  • GRU و LSTM (بخش دوم) GRU and LSTM (Part 2)

  • یک توالی چالش‌برانگیزتر A More Challenging Sequence

  • دموی مشکل وابستگی‌های طولانی‌مدت Demo of the Long-Distance Problem

  • استفاده از RNN برای طبقه‌بندی تصاویر (تئوری) RNN for Image Classification (Theory)

  • استفاده از RNN برای طبقه‌بندی تصاویر (کدنویسی) RNN for Image Classification (Code)

  • پیش‌بینی بازده سهام با استفاده از LSTMها (بخش اول) Stock Return Predictions Using LSTMs (Part 1)

  • پیش‌بینی بازده سهام با استفاده از LSTMها (بخش دوم) Stock Return Predictions Using LSTMs (Part 2)

  • پیش‌بینی بازده سهام با استفاده از LSTMها (بخش سوم) Stock Return Predictions Using LSTMs (Part 3)

  • سایر روش‌های پیش‌بینی Other Ways to Forecast

  • باکس پیشنهادات Suggestion Box

پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)

  • جاسازی‌ها (Embeddings) Embeddings

  • آماده‌سازی کد (NLP) Code Preparation (NLP)

  • پیش‌پردازش متن Text Preprocessing

  • طبقه‌بندی متن با استفاده از LSTMها Text Classification with LSTMs

نمایش نظرات

آموزش یادگیری عمیق - شبکه‌های عصبی بازگشتی (RNN) با تنسورفلو
جزییات دوره
5h 41m
26
(آخرین آپدیت)
283
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده