آموزش شبکه های عصبی در پایتون

Training Neural Networks in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: اگر نمی دانید واقعاً به کدام یک نیاز دارید ، برای هر یک از ابزارها مفید است و همه آنها چگونه کار می کنید ، داشتن انواع ابزار عالی در دسترس شما مفید نخواهد بود. در این دوره ، به کار درونی شبکه های عصبی بپردازید ، تا بتوانید با ابزارهای یادگیری ماشین به طور موثرتری کار کنید. مربی ادواردو کورپینیو با ارائه یک سری تمرینات در پایتون به شما کمک می کند تا به عنوان مثال یاد بگیرید که به شما کمک می کند تا آنچه در داخل اتفاق می افتد را درک کنید. نحوه ارتباط بخشهایی از یک نورون بیولوژیکی را با عناصر پایتون کشف کنید ، که به شما امکان می دهد یک مدل از مغز را بسازید. سپس ، نحوه ساخت و آموزش یک شبکه را بیاموزید ، همچنین یک شبکه عصبی ایجاد کنید که اعدادی را که از یک نمایشگر هفت بخشی به دست می آید تشخیص دهد. حتی اگر به جای نوشتن کد خود ، احتمالاً از طریق یک مجموعه نرم افزاری با شبکه های عصبی کار خواهید کرد ، دانشی که در این دوره کسب خواهید کرد می تواند به شما کمک کند برای هر مشکلی که دارید با استفاده از آن از روش عصبی و معماری شبکه عصبی مناسب استفاده کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • ایجاد یک شبکه عصبی در پایتون Creating a neural network in Python

  • آنچه شما باید بدانید What you should know

  • استفاده از GitHub برای پرونده های تمرینی Using GitHub for the exercise files

1. انتخاب شبکه عصبی 1. Choosing a Neural Network

  • شبکه عصبی چیست؟ What is a neural network?

  • چرا پایتون؟ Why Python?

  • بسیاری از کاربردهای یادگیری ماشین The many applications of machine learning

  • انواع طبقه بندی کننده ها Types of classifiers

  • انواع شبکه های عصبی Types of neural networks

  • گیرنده های چند لایه Multilayer perceptrons

2. بلوک های ساختمانی شبکه های عصبی 2. The Building Blocks of Neural Networks

  • نورونها و مغز Neurons and the brain

  • یک مدل ساده از یک نورون A simple model of a neuron

  • توابع فعال سازی Activation functions

  • پرسپترون ها: مدل بهتری از یک نورون Perceptrons: A better model of a neuron

  • چالش: پرسپترون را تمام کنید Challenge: Finish the perceptron

  • راه حل: پرسپترون را تمام کنید Solution: Finish the perceptron

  • درگاه های منطقی Logic gates

  • چالش: دروازه های منطقی با گیرنده ها Challenge: Logic gates with perceptrons

  • راه حل: دروازه های منطقی با گیرنده ها Solution: Logic gates with perceptrons

3. ایجاد شبکه خود 3. Building Your Network

  • قابل تفکیک خطی Linear separability

  • نوشتن کلاس چند لایه پرسپترون Writing the multilayer perceptron class

  • چالش: کلاس پرسپترون چند لایه را به پایان برسانید Challenge: Finish the multilayer perceptron class

  • راه حل: کلاس پرسپترون چند لایه را به پایان برسانید Solution: Finish the multilayer perceptron class

4. آموزش شبکه خود 4. Training Your Network

  • نیاز به آموزش The need for training

  • روند آموزش The training process

  • تابع خطا The error function

  • شیب نزولی Gradient descent

  • قانون دلتا The delta rule

  • الگوریتم انتشار عقب The backpropagation algorithm

  • چالش: روش تبلیغ عقبی خود را بنویسید Challenge: Write your own backpropagation method

  • راه حل: روش تبلیغ عقبی خود را بنویسید Solution: Write your own backpropagation method

5- بیایید یک طبقه بندی نمای سگمنت بسازیم 5. Let's Make a Segment Display Classifier

  • تشخیص نمایش بخش Segment display recognition

  • چالش: شبکه عصبی SDR خود را طراحی کنید Challenge: Design your own SDR neural network

  • راه حل: شبکه عصبی SDR خود را طراحی کنید Solution: Design your own SDR neural network

  • چالش: شبکه عصبی SDR خود را آموزش دهید Challenge: Train your own SDR neural network

  • راه حل: شبکه عصبی SDR خود را آموزش دهید Solution: Train your own SDR neural network

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش شبکه های عصبی در پایتون
جزییات دوره
1h 47m
36
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
708
- 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

Eduardo Corpeño Eduardo Corpeño

مهندس برق، برنامه نویس کامپیوتر و معلم بیش از 15 سال

ادواردو کورپنو بیش از 15 سال مهندس برق، برنامه نویس کامپیوتر و معلم بوده است.

ادواردو فارغ التحصیل مفتخر از برنامه کارشناسی ارشد آنلاین علوم کامپیوتر از گرجستان تک است. او بیش از 20 دوره آنلاین با موضوعاتی مانند میکروکنترلرها، سیستم های جاسازی شده و حل مسائل مهندسی منتشر کرده است. در دانشگاه گالیله، شهر گواتمالا، او موضوعات مختلفی از جمله نظریه مدارهای الکتریکی، معماری کامپیوتر، میکروکنترلرها و طراحی برد مدار چاپی را تدریس می کند. ادواردو به همراه برخی از همکارانش، یکی از اولین MOOC ها را در سال 2013 به زبان اسپانیایی ایجاد کرد - مقدمه ای بر Raspberry Pi - و بعداً توسط دیوید پترسون و اندرو واترمن، برنده جایزه تورینگ، "The RISC-V Reader: An Open Architecture Atlas" را به اسپانیایی ترجمه کرد. .