لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
بوت کمپ سه یادگیری صفر تا عمیق - کار با شبکه های عصبی کانولوشنال و تکراری
Zero to Deep Learning Bootcamp Three - Working with Convolutional and Recurrent Neural Networks
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
مقدمه
این دوره سومین و آخرین دوره از سه دوره آموزشی در آکادمی ابری بوت کمپ صفر تا عمیق است که با همکاری کارشناس یادگیری عمیق فرانچسکو موسکونی از Calalit ایجاد شده است. Bootcamp یادگیری صفر تا عمیق برای کمک به شما در تسلط بر کار با شبکههای عصبی کانولوشنال و مکرر در قالبی تعاملی و خودگام ایجاد شده است.
مخاطب مورد نظر
هر کسی که علاقه مند به کار با Convolution و شبکه های عصبی تکراری است. چه تازه شروع به یادگیری ماشینی کرده باشید و چه یک دانشمند داده با تجربه تر که به دنبال یادگیری عمیق در این ترکیب هستید، این دوره مهارت های لازم را فراهم می کند تا به عنوان پایه ای محکم برای ادامه یادگیری پس از اتمام دوره عمل کند.
اهداف آموزشی
تفاوت بین شبکه های عصبی کانولوشنال و تکراری را درک کنید
مفاهیم شبکه های عصبی کانولوشنال و تکراری را بشناسید و توضیح دهید
بهترین راهها برای بهبود عملکرد در محیط شبکه را تجزیه و تحلیل کنید.
پیش نیازها
توصیه می کنیم قبل از شروع این دوره، دوره را تکمیل کنید.
دستور کار دوره
این دوره از 3 دوره آموزشی ماهرانه به همراه یک امتحان نهایی برای آزمایش آموخته های شما تشکیل شده است.
بازخورد
از همه بازخوردها استقبال میکنیم، بنابراین لطفاً نظرات یا سؤالات خود را در مورد این دوره به آدرس support@cloudacademy.com برای ما ارسال کنید.
سرفصل ها و درس ها
شروع با یادگیری عمیق: شبکه های عصبی کانولوشن
Getting Started With Deep Learning: Convolutional Neural Networks
معرفی
Introduction
ویژگی های Pixels
Features from Pixels
طبقه بندی MNIST
MNIST Classification
طبقه بندی MNIST
MNIST Classification
فراتر از پیکسل ها
Beyond Pixels
تصاویر به عنوان تانسور
Images as Tensors
تانسور ریاضی
Tensor Math
پیچیدگی در 1 D
Convolution in 1 D
پیچیدگی در 2 D
Convolution in 2 D
فیلترهای تصویر با کانولوشن
Image filters with convolutions
لایه های کانولوشنال
Convolutional Layers
لایه های کانولوشن ادامه دارد
Convolutional Layers Continued
لایه های ترکیبی
Pooling Layers
ادغام لایه ها ادامه دارد
Pooling Layers Continued
شبکه عصبی کانولوشنال
Convolutional Neural Network
شبکه عصبی کانولوشن ادامه دارد
Convolutional Neural Network Continued
وزن در CNN ها
Weights in CNNs
فراتر از تصاویر
Beyond Images
تمرین 1
Exercise 1
تمرین 1: راه حل
Exercise 1: Solution
تمرین 2
Exercise 2
تمرین 2: راه حل
Exercise 2: Solution
شروع با یادگیری عمیق: شبکه های عصبی مکرر
Getting Started With Deep Learning: Recurrent Neural Networks
معرفی
Introduction
سری زمانی
Time Series
مشکلات توالی
Sequence Problems
وانیل RNN
Vanilla RNN
LSTM و GRU
LSTM and GRU
پیش بینی سری های زمانی
Time Series Forecasting
پیش بینی سری های زمانی با LSTM
Time Series Forecasting with LSTM
پنجره های نورد
Rolling Windows
رول ویندوز ادامه دارد
Rolling Windows Continued
تمرین 1
Exercise 1
تمرین 1: راه حل
Exercise 1: Solution
تمرین 2
Exercise 2
شروع با یادگیری عمیق: بهبود عملکرد
Getting Started With Deep Learning: Improving Performance
معرفی
Introduction
منحنی های یادگیری
Learning Curves
منحنی های یادگیری ادامه دارد
Learning Curves Continued
عادی سازی دسته ای
Batch Normalization
عادی سازی دسته ای ادامه دارد
Batch Normalization Continued
نمایش نظرات