آموزش یادگیری عمیق با شبکه عصبی مصنوعی (ANN) در پایتون: ساخت و بهینه‌سازی - آخرین آپدیت

دانلود Deep Learning with ANN in Python: Build & Optimize

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در پایان این دوره، فراگیران قادر خواهند بود محیط پایتون را پیکربندی کرده، داده‌ها را پیش‌پردازش و کدگذاری کنند، معماری‌های شبکه عصبی مصنوعی (ANN) را بسازند، پیش‌بینی‌ها را تولید کرده و با استفاده از تکنیک‌های بازنمونه‌گیری (Resampling)، مشکل عدم توازن داده‌ها را برطرف کنند. شرکت‌کنندگان تجربه عملی کار با TensorFlow، Keras و Anaconda را کسب کرده و در مهارت‌های کاربردی آماده‌سازی داده‌ها، ساخت مدل و بهینه‌سازی عملکرد تسلط می‌یابند. این دوره برای دانشجویان، علاقه‌مندان به داده‌ها و متخصصانی که به دنبال تقویت تخصص خود در یادگیری عمیق با رویکردی متمرکز و پروژه-محور هستند، مفید است. برخلاف آموزش‌های عمومی، این دوره بر یک گردش کار کامل و جامع-از راه‌اندازی محیط و پیش‌پردازش داده‌ها تا طراحی و ارزیابی ANN- تأکید دارد تا اطمینان حاصل شود که فراگیران می‌توانند به‌طور مستقل مدل‌های پیش‌بینی‌کننده ایجاد کنند. آنچه این دوره را منحصر به فرد می‌کند، تعادل میان وضوح مفهومی و پیاده‌سازی در دنیای واقعی است. فراگیران نه‌تنها تئوری را درک می‌کنند، بلکه آن را مستقیماً روی تحلیل ریزش مشتریان (Customer Churn Analysis)، که یک مورد کاربردی تجاری است، اعمال می‌کنند. با درس‌های گام‌به‌گام، آزمون‌ها و پروژه‌های هدایت‌شده، این دوره شرکت‌کنندگان را به اعتمادبه‌نفس لازم برای پیاده‌سازی مدل‌های ANN در سناریوهای واقعی و انتقال روان به مباحث پیشرفته‌تر یادگیری عمیق مجهز می‌کند.

سرفصل ها و درس ها

مبانی شبکه‌های عصبی مصنوعی Foundations of Artificial Neural Networks

  • معرفی پروژه Introduction of Project

  • راه‌اندازی محیط برای ANN Setup Environment for ANN

  • نصب ANN ANN Installation

  • وارد کردن کتابخانه‌ها و پیش‌پردازش داده‌ها Import Libraries and Data Preprocessing

  • پیش‌پردازش داده‌ها Data Preprocessing

  • ادامه پیش‌پردازش داده‌ها Data Preprocessing Continue

  • کاوش در داده‌ها Data Exploration

  • کدگذاری (Encoding) Encoding

  • ادامه کدگذاری Encoding Continue

ساخت و بهینه‌سازی مدل‌های ANN Building and Optimizing ANN Models

  • آماده‌سازی مجموعه داده برای آموزش Preparation of Dataset for Training

  • مراحل ساخت ANN بخش اول Steps to Build ANN Part 1

  • مراحل ساخت ANN بخش دوم Steps to Build ANN Part 2

  • مراحل ساخت ANN بخش سوم Steps to Build ANN Part 3

  • مراحل ساخت ANN بخش چهارم Steps to Build ANN Part 4

  • پیش‌بینی‌ها Predictions

  • ادامه پیش‌بینی‌ها Predictions Continue

  • بازنمونه‌گیری داده‌های نامتوازن با Imbalance Learn Resampling Data with Imbalance-Learn

  • ادامه بازنمونه‌گیری داده‌های نامتوازن با Imbalance Learn Resampling Data with Imbalance-Learn Continue

نمایش نظرات

آموزش یادگیری عمیق با شبکه عصبی مصنوعی (ANN) در پایتون: ساخت و بهینه‌سازی
جزییات دوره
5h 30m
18
(آخرین آپدیت)
462
- 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