آموزش جامع فریم‌ورک‌های یادگیری عمیق و شبکه‌های عصبی به زبان ساده - آخرین آپدیت

فریم‌ورک‌های یادگیری عمیق و مدیریت داده‌ها Deep Learning Frameworks and Data Handling

• آشنایی با فریم‌ورک‌های مختلف Introduction to Different Frameworks

• مقدمه‌ای بر تنسورفلو (Tensorflow) Introduction to Tensorflow

• تنسورها در تنسورفلو Tensors in Tensorflow

• مقایسه تنسورفلو ۱.۰ در مقابل ۲.۰ Tensorflow 1.0 vs 2.0

• معماری تنسورفلو Tensorflow Architechture

• مقدمه‌ای بر کراس (Keras) Introduction to Keras

• مدیریت دیتافریم‌ها با استفاده از کراس - بخش اول Handling Dataframes using Keras Part 1

• مدیریت دیتافریم‌ها با استفاده از کراس - بخش دوم Handling Dataframes using Keras Part 2

• مدیریت دیتافریم‌ها با استفاده از کراس - بخش سوم Handling Dataframes using Keras Part 3

• مدیریت دیتافریم‌ها با استفاده از کراس - بخش چهارم Handling Dataframes using Keras Part 4

• تشخیص اشیاء با استفاده از تنسورفلو Object Detection using Tensorflow

شبکه‌های عصبی و مدل‌های متوالی Neural Networks and Sequential Models

• شبکه عصبی چیست؟ What is Neural Network?

• شبکه‌های عصبی چگونه کار می‌کنند؟ How Neural Network Works?

• انواع شبکه‌های عصبی Types of Neural Network

• پیاده‌سازی با استفاده از کراس Implemention using Keras

• پیاده‌سازی مورد کاربردی (Use Case) - بخش اول Use Case Implementation Part 1

• پیاده‌سازی مورد کاربردی (Use Case) - بخش دوم Use Case Implementation Part 2

• پیاده‌سازی مورد کاربردی (Use Case) - بخش سوم Use Case Implementation Part 3

• پیاده‌سازی مورد کاربردی (Use Case) - بخش چهارم Use Case Implementation Part 4

• شبکه عصبی بازگشتی (RNN) چیست؟ What is RNN?

• مشکل گرادیان Gradient Problem

• شبکه‌های LSTM LSTM

• پیاده‌سازی LSTM Implementation of LSTM

• پیاده‌سازی مورد کاربردی LSTM - بخش اول Use Case Implementation of LSTM Part 1

• پیاده‌سازی مورد کاربردی LSTM - بخش دوم Use Case Implementation of LSTM Part 2

• پیاده‌سازی مورد کاربردی LSTM - بخش سوم Use Case Implementation of LSTM Part 3