آموزش یادگیری عمیق با پایتون: آشنایی عملی با مدل‌های یادگیری عمیق - آخرین آپدیت

دانلود Deep Learning with Python: Hands-On Introduction to Deep Learning Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

با استفاده از پایتون، وارد دنیای یادگیری عمیق شوید. در این دوره آموزشی مناسب برای مبتدیان، مدرس دوره Frederick Nwanganga مفاهیم بنیادی و تکنیک‌های ضروری برای درک و پیاده‌سازی مدل‌های پایه یادگیری عمیق را پوشش می‌دهد. از طریق تمرینات کدنویسی عملی، کاربردهای واقعی را کشف کنید و خود را برای مباحث پیشرفته‌تر یادگیری عمیق آماده سازید.

این دوره با GitHub Codespaces ادغام شده است؛ یک محیط توسعه ابری فوری که تمامی قابلیت‌های IDE مورد علاقه شما را بدون نیاز به نصب روی سیستم محلی فراهم می‌کند. با GitHub Codespaces می‌توانید در هر زمان و با هر دستگاهی تمرینات عملی را انجام دهید—ابزاری که احتمالاً در محیط‌های کاری واقعی با آن مواجه خواهید شد. برای شروع، بخش «استفاده از GitHub Codespaces» را در این دوره بررسی کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • پیش‌نیازهای لازم What you should know

  • شروع یادگیری عمیق Getting started with deep learning

  • استفاده از فایل‌های تمرینی Using the exercise files

1. مبانی شبکه‌های عصبی 1. Fundamentals of Neural Networks

  • شبکه‌های عصبی مصنوعی چیستند؟ What are artificial neural networks?

  • یک شبکه عصبی چگونه یاد می‌گیرد؟ How does a neural network learn?

  • توابع فعال‌ساز در شبکه‌های عصبی Activation functions in neural networks

  • شبکه‌های عصبی چگونه پیش‌بینی می‌کنند؟ How do neural networks make predictions?

2. آشنایی با یادگیری عمیق 2. Introduction to Deep Learning

  • تکامل هوش مصنوعی، یادگیری ماشین و یادگیری عمیق The evolution of AI, machine learning, and deep learning

  • انواع مدل‌های یادگیری عمیق Types of deep learning models

  • کاربردهای واقعی یادگیری عمیق Real-world applications of deep learning

  • چالش‌های یادگیری عمیق Challenges with deep learning

  • یادگیری عمیق چیست؟ What is deep learning?

3. مبانی ریاضی یادگیری عمیق 3. Mathematical Foundations of Deep Learning

  • مشتقات، مشتقات جزئی و قانون زنجیره‌ای Derivatives, partial derivatives, and the chain rule

  • تنسورها Tensors

  • بردارها و ماتریس‌ها Vectors and matrices

  • گرادیان کاهشی (Gradient Descent) Gradient descent

4. طبقه‌بندی متن با شبکه‌های عصبی عمیق 4. Text Classification with Deep Neural Networks

  • آموزش یک مدل یادگیری عمیق در پایتون Training a deep learning model in Python

  • آماده‌سازی برای ساخت مدل یادگیری عمیق در پایتون Preparing to build a deep learning model in Python

  • تعریف یک مدل یادگیری عمیق در پایتون Defining a deep learning model in Python

5. معیارهای ارزیابی عملکرد مدل 5. Model Performance Metrics

  • ارزیابی مدل یادگیری عمیق: ماتریس اغتشاش Evaluating a deep learning model: Confusion matrix

  • ارزیابی مدل یادگیری عمیق: دقت (Precision) Evaluating a deep learning model: Precision

  • ارزیابی مدل یادگیری عمیق: فراخوانی (Recall) Evaluating a deep learning model: Recall

  • ارزیابی مدل یادگیری عمیق: امتیاز F1 Evaluating a deep learning model: F1 score

  • ارزیابی مدل یادگیری عمیق: دقت پیش‌بینی (Predictive Accuracy) Evaluating a deep learning model: Predictive accuracy

جمع‌بندی Conclusion

  • ادامه مسیر در یادگیری عمیق Continuing on with deep learning

نمایش نظرات

آموزش یادگیری عمیق با پایتون: آشنایی عملی با مدل‌های یادگیری عمیق
جزییات دوره
1h 54m
25
(آخرین آپدیت)
3,290
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Frederick Nwanganga Frederick Nwanganga

کارشناس و مدرس فناوری اطلاعات

فردریک نوانگانگا دانشیار تدریس در زمینه تجزیه و تحلیل و عملیات.

او بیش از 15 سال تجربه تحلیلی دارد و دوره های کارشناسی ارشد و لیسانس در مدیریت داده، یادگیری ماشین و تجزیه و تحلیل داده های بدون ساختار را در کالج تجارت مندوزا در دانشگاه نوتردام تدریس می کند. قبل از پیوستن به مندوزا به عنوان استاد تمام وقت، فرد تقریباً 20 سال در زمینه فناوری اطلاعات در چندین سمت به عنوان توسعه دهنده نرم افزار، تحلیلگر تجاری، مدیر پایگاه داده، مدیر پروژه و مدیر فناوری کار کرد. او به مدت سه سال یک شرکت مشاوره خدمات کسب و کار فناوری اطلاعات را تأسیس کرد و آن را اداره کرد و نویسنده کتاب درسی یادگیری ماشینی به نام یادگیری ماشین عملی در R.
است.