آموزش یادگیری عمیق با Keras

Deep Learning with Keras

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: عمیق یادگیری در قلب بسیاری از برنامه های پیشرو یادگیری ماشین و هوش مصنوعی نهفته است. این دوره ، یادگیری عمیق با Keras ، به شما نشان می دهد که چگونه از Keras برای ایجاد سریع شبکه های عصبی عمیق قدرتمند استفاده کنید. همه را بزرگ کنید بررسی اجمالی دوره 1m 38s معرفی کراس دهه 12 و 40 ایجاد اولین شبکه عصبی با Keras 18m 41s ساخت مدل در کراس 19m 44s استخدام لایه ها در مدل های Keras 16 متر 13 ثانیه ساخت NN با Keras 50 متر 32s پیاده سازی شبکه های عصبی راجعه با کراس 19m 55s استفاده از لایه ها و توابع خاص 10 متر 15 ثانیه کلمات اخر 4 متر 0 ثانیه علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

معرفی کراس Introducing Keras

  • مقدمه Introduction

  • کراس چیست؟ What Is Keras?

  • شبکه های عصبی Neural Networks

  • مهارت ها Skills

  • ساختار دوره Course Structure

ایجاد اولین شبکه عصبی با Keras Creating Your First Neural Network with Keras

  • مقدمه ای برای نصب Introduction to Installation

  • نصب TensorFlow Installing TensorFlow

  • نصب Keras Installing Keras

  • ایجاد اولین شبکه عصبی کراس Creating Your First Keras Neural Network

  • تغییر Backend Changing the Backend

ساخت مدل در کراس Constructing Models in Keras

  • مقدمه ای بر مدل ها Introduction to Models

  • رمزگذاری داده های پیچیده Coding Complex Data

  • تخمین لایه ها و نورون ها Estimating Layers and Neurons

  • ویژگی های مدل Model Features

  • تبدیل به API عملکردی Converting to the Functional API

  • خلاصه Summary

استخدام لایه ها در مدل های Keras Employing Layers in Keras Models

  • مقدمه ای بر مدل ها Introduction to Models

  • گروه های لایه Layer Groups

  • لایه های مشترک Common Layers

  • شکل دادن به لایه ها Shaping Layers

  • ادغام لایه ها Merging Layers

  • لایه های داخلی Extension Layers

  • خلاصه Summary

ساخت NN با Keras Building Convolutional NN with Keras

  • مقدمه ای بر CNN ها Introduction to CNNs

  • چرا CNN ها وجود دارند؟ Why Do CNNs Exists?

  • CNN چگونه کار می کند؟ How Do CNNs Work?

  • لایه کانولوشن Convolution Layer

  • Hyperparameters لایه کانولوشن Convolution Layer Hyperparameters

  • فعال سازی غیر خطی Non-linear Activation

  • لایه استخر Pool Layer

  • اجرای CNN در کراس Implementing CNNs in Keras

  • کدگذاری مد MNIST Coding Fashion MNIST

  • انتقال اصول یادگیری Transfer Learning Principles

  • پیاده سازی یادگیری انتقال Transfer Learning Implementation

  • نتیجه Conclusion

پیاده سازی شبکه های عصبی راجعه با کراس Implementing Recurrent Neural Nets with Keras

  • مقدمه ای بر RNN ها Introduction to RNNs

  • پیاده سازی RNN RNN Implementation

  • مسائل ساده RNN Simple RNN Issues

  • LSTM و GRU LSTM and GRU

  • لایه های Keras RNN Keras RNN Layers

  • تجزیه و تحلیل احساس کدگذاری Coding Sentiment Analysis

  • خلاصه Summary

استفاده از لایه ها و توابع خاص Using Specialty Layers and Functions

  • مقدمه Introduction

  • مجموعه داده های Keras Keras Datasets

  • مدل های پیش آموزش Keras Keras Pre-trained Models

  • عملکرد دوم API Functional API Second Look

کلمات اخر Last Words

  • کلمات اخر Last Words

نمایش نظرات

آموزش یادگیری عمیق با Keras
جزییات دوره
2h 33m
48
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
73
4.7 از 5
دارد
دارد
دارد
Jerry Kurata
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jerry Kurata Jerry Kurata

جری دارای مدرک کارشناسی علوم زمین شناسی و فیزیک است. برنامه های وی برای کار در صنعت اکتشاف نفت ، هنگامی که فهمید ترجیح می دهد به جای خواندن نمونه های گِل و هسته در دریای شمال ، برای کار در شبیه سازی و پردازش داده ها با رایانه کار کند ، مورد پیگرد قرار گرفت. عشق او به رایانه و فن آوری باعث شد که وی در حالی که مدرک کارشناسی ارشد خود را در رشته علوم کامپیوتر می گیرد ، ساعتهای بیشتری را صرف کار با کامپیوتر کند. زمینه های فعلی علاقه وی شامل یادگیری ماشین ، بیگ دیتا ، سیستم های رایانه ای کوچک و پوشیدنی ، رباتیک و راه حل های ساختن است که به افراد کمک می کند. هنگامی که با کامپیوتر کار نمی کند ، جری از گذراندن وقت با خانواده اش ، مسافرت و عکس گرفتن از زیبایی های دنیای ما لذت می برد.