آموزش شبکه‌های عصبی پیچشی (CNNs) - آخرین آپدیت

دانلود Convolutional Neural Networks (CNNs)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: متخصصان یادگیری ماشین اغلب از شبکه‌های عصبی پیچشی (CNNs) به عنوان جعبه‌های سیاه استفاده می‌کنند که این امر توانایی آن‌ها را در تشخیص مشکلات، انتخاب معماری‌های مناسب یا توضیح رفتار مدل به ذینفعان محدود می‌کند. در این دوره آموزشی، شما توانایی درک نحوه پردازش داده‌های مکانی توسط CNNها را به دست می‌آورید و می‌توانید تصمیمات معماری آگاهانه‌ای برای وظایف بینایی ماشین بگیرید. در ابتدا، بلوک‌های سازنده بنیادی CNNها، از جمله لایه‌های پیچشی (Convolutional)، عملیات pooling و نحوه رفع محدودیت‌های شبکه‌های کاملاً متصل (Fully Connected) توسط این اجزا را بررسی خواهید کرد. سپس، کشف خواهید کرد که CNNها چگونه بازنمایی‌های سلسله‌مراتبی ویژگی‌ها را از طریق آموزش، از لبه‌های سطح پایین تا شناسایی اشیاء سطح بالا، یاد می‌گیرند. در نهایت، خواهید آموخت که معماری‌های برجسته‌ای مانند LeNet، AlexNet، VGG و ResNet چگونه برای حل مسائل پیچیده بینایی تکامل یافته‌اند. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در زمینه شبکه‌های عصبی پیچشی را برای ارزیابی، انتخاب و استدلال در مورد معماری‌های CNN برای کاربردهای واقعی پردازش تصویر خواهید داشت.

سرفصل ها و درس ها

بلوک‌های سازنده شبکه‌های عصبی پیچشی Building Blocks of Convolutional Neural Networks

  • معرفی دوره Course Introdution

  • چرا به CNNها نیاز داریم؟ Why Do We Need CNNs?

  • اتصالات محلی و اشتراک پارامترها Local Connectivity and Parameter Sharing

  • لایه‌های پیچشی چیستند؟ What Are Convolutional Layers?

  • لایه‌های Pooling و توابع فعال‌ساز Pooling Layers and Activation Functions

  • کاربردهای واقعی CNN Real-world CNN Applications

آموزش CNNها برای شناسایی الگوها Training CNNs to See Patterns

  • CNNها چگونه درک بصری ایجاد می‌کنند؟ How Do CNNs Build Visual Understanding?

  • از استخراج ویژگی‌ها تا طبقه‌بندی From Features to Classification

  • توضیح فرآیند آموزش The Training Process Explained

  • عوامل مؤثر بر همگرایی Factors Affecting Convergence

تکامل معماری‌های CNN Evolution of CNN Architectures

  • تولد CNNها با LeNet The Birth of CNNs with LeNet

  • AlexNet و انقلاب یادگیری عمیق AlexNet and the Deep Learning Revolution

  • VGG و قدرت عمق شبکه VGG and the Power of Depth

  • ResNet و اتصالات جهشی (Skip Connections) ResNet and Skip Connections

  • فراتر از CNNها و آینده این فناوری Beyond CNNs and What’s Next

نمایش نظرات

آموزش شبکه‌های عصبی پیچشی (CNNs)
جزییات دوره
50m
15
(آخرین آپدیت)
9
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pratheerth Padman Pratheerth Padman

Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.