یادگیری ماشینی عملی با TensorFlow 2.0 و Scikit-Learn [ویدئو]

سرفصل ها و درس ها

نصب Scikit-Learn و TensorFlow 2.0 Installing Scikit-Learn and TensorFlow 2.0

• بررسی اجمالی دوره Course Overview

• مروری بر توزیع آناکوندا Overview of the Anaconda Distribution

• نصب Anaconda Distribution برای Scikit-Learn Installing the Anaconda Distribution for Scikit-Learn

• نصب TensorFlow 2.0 از Anaconda Distribution Installing TensorFlow 2.0 from the Anaconda Distribution

• Scikit-Learn و Tensorflow 2.0 را به صورت دستی از طریق pip نصب کنید Install Scikit-Learn and Tensorflow 2.0 Manually Through pip

اصول ML: Scikit-Learn Introduction ML Fundamentals: Scikit-Learn Introduction

• یادگیری ماشینی چیست؟ What Is Machine Learning?

• اولین مدل Scikit-Learn First Scikit-Learn Model

• بیش از حد مناسب و منظم Overfitting and Regularization

• بررسی احتمالات و آمار Probability and Statistics Review

• توزیع احتمال و متریک Probability Distribution and Metrics

Scikit-Learn کاربردی: مدل های یادگیری نظارت شده Applied Scikit-Learn: Supervised Learning Models

• یادگیری نظارت شده و KNN Supervised Learning and KNN

• رگرسیون لجستیک Logistic Regression

• بیز ساده لوح Naïve Bayes

• ماشین های بردار پشتیبانی Support Vector Machines

• درختان تصمیم Decision Trees

• روش های گروه Ensemble Methods

یادگیری بدون نظارت Unsupervised Learning

• K-means و خوشه بندی سلسله مراتبی K-means and Hierarchical Clustering

• خوشه بندی اتصال و چگالی Connectivity and Density Clustering

• مدل های مخلوط گاوسی Gaussian Mixture Models

• مدل‌های مخلوط گاوسی بیزی متغیر Variational Bayesian Gaussian Mixture Models

• تجزیه سیگنال ها به کامپوننت ها Decomposing Signals into Components

• تجزیه سیگنال با تحلیل عاملی و مؤلفه مستقل Signal Decomposition with Factor and Independent Component Analysis

• تشخیص تازگی Novelty Detection

• تشخیص بیرونی Outlier Detection

• منیفولدهای جاسازی شده خطی محلی Locally Linear Embedded Manifolds

• مقیاس بندی چند بعدی و منیفولدهای t-SNE Multi-Dimensional Scaling and t-SNE Manifolds

• تخمین چگالی Density Estimation

• ماشین بولتزمن محدود Restricted Boltzmann Machine

TensorFlow 2.0 Essentials برای ML TensorFlow 2.0 Essentials for ML

• نمای کلی TensorFlow 2.0 TensorFlow 2.0 Overview

• نوار گرادیان TensorFlow 2.0 TensorFlow 2.0's Gradient Tape

• کار با شبکه های عصبی و کراس Working with Neural Networks and Keras

• سفارشی سازی Keras Keras Customization

• شبکه های سفارشی در کراس Custom Networks in Keras

• مفاهیم اصلی شبکه عصبی Core Neural Network Concepts

• رگرسیون و یادگیری انتقالی Regression and Transfer Learning

• برآوردگرهای TensorFlow و TensorBoard TensorFlow Estimators and TensorBoard

یادگیری عمیق کاربردی برای وظایف بینایی کامپیوتری Applied Deep Learning for Computer Vision Tasks

• مقدمه ای بر ConvNets Introduction to ConvNets

• ConvNets در Keras ConvNets In Keras

• طبقه بندی تصویر با افزایش داده ها Image Classification with Data Augmentation

• رمزگذارهای خودکار کانولوشنال Convolutional Autoencoders

• رمزگذاری خودکار و تغییر نویز Denoising and Variational Autoencoders

• شبکه های متخاصم مولد سفارشی Custom Generative Adversarial Networks

• تقسیم بندی معنایی Semantic Segmentation

• انتقال سبک عصبی Neural Style Transfer

پردازش زبان طبیعی و داده های متوالی Natural Language Processing and Sequential Data

• استفاده از جاسازی های Word Using Word Embeddings

• خط لوله متن با توکن سازی برای طبقه بندی Text Pipeline with Tokenization for Classification

• داده های متوالی با شبکه های عصبی مکرر Sequential Data with Recurrent Neural Networks

• بهترین روش ها با شبکه های عصبی مکرر Best Practices with Recurrent Neural Networks

• پیش بینی سری های زمانی Time Series Forecasting

• پیش بینی با CNN و RNN Forecasting with CNNs and RNNs

توالی اعمال شده در مدل های توالی و ترانسفورماتور Applied Sequence to Sequence and Transformer Models

• مدل های زبان NLP NLP Language Models

• تولید متن از LSTM Generating Text from an LSTM

• توالی به دنباله مدل Sequence to Sequence Models

• MT Seq2Seq با توجه MT Seq2Seq with Attention

• ترانسفورماتورهای NLP NLP Transformers

• آموزش ترانسفورماتورها و NLP در عمل Training Transformers and NLP In Practice

کار با یادگیری تقویتی Working with Reinforcement Learning

• مبانی یادگیری تقویتی Basics of Reinforcement Learning

• آموزش Deep Q-Network با TF-Agents Training a Deep Q-Network with TF-Agents

• عوامل TF در عمق TF-agents In Depth

• روش‌های مبتنی بر ارزش و سیاست Value and Policy Based Methods

• تکنیک های اکتشاف و عدم قطعیت در RL Exploration Techniques and Uncertainty In RL

• یادگیری تقلیدی و آلفازیرو Imitation Learning and AlphaZero