آموزش یادگیری عمیق با کافه

Deep Learning with Caffe

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به شما می آموزد که شبکه عصبی کانولوشنال خود را با Caffe بسازید تا مشکلات طبقه بندی تصاویر سفارشی را حل کنید. چارچوب های یادگیری عمیق زیادی وجود دارد که می توانید از بین آنها انتخاب کنید. کافه، که با سرعت، بیان و مدولار بودن نوشته شده است، یک مدعی عالی برای انتخاب چارچوب شماست. در این دوره آموزشی، Deep Learning with Caffe، یاد می گیرید که از Caffe برای ساختن یک شبکه عصبی کانولوشنال استفاده کنید که به شما کمک می کند مجموعه ای از تصاویر را طبقه بندی کنید. ابتدا، خواهید دید که یادگیری عمیق چیست، چه تفاوتی با یادگیری ماشین سنتی دارد و چگونه یک شبکه عصبی کار می کند. در مرحله بعد، در حین ساخت شبکه عصبی کانولوشنال خود، یاد خواهید گرفت که چگونه داده ها را برای یادگیری عمیق آماده کنید، مدل و حل کننده را تعریف کنید و مدل را آموزش دهید. در نهایت، نحوه بهبود عملکرد مدل خود را با استفاده از یادگیری انتقال کشف خواهید کرد. وقتی این دوره را به پایان رساندید، مهارت ها و دانش لازم برای ساخت CNN خود را با استفاده از Caffe خواهید داشت که به حل مشکلات طبقه بندی تصاویر سفارشی کمک می کند.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

رمزگشایی یادگیری عمیق و طبقه بندی تصویر Demystifying Deep Learning and Image Classification

  • معرفی دوره و ماژول Course and Module Introduction

  • یادگیری عمیق چیست؟ What Is Deep Learning?

  • مبانی یک شبکه عصبی Basics of a Neural Network

  • کار یک شبکه عصبی Working of a Neural Network

  • گرادیان نزول Gradient Descent

  • طبقه بندی تصویر - بررسی اجمالی و برنامه های کاربردی Image Classification - Overview and Applications

  • نسخه ی نمایشی: نصب کتابخانه های مورد نیاز Demo: Installing the Required Libraries

  • خلاصه Summary

ساخت یک شبکه عصبی کانولوشن برای طبقه بندی تصاویر Building a Convolutional Neural Network to Classify Images

  • معرفی ماژول Module Introduction

  • مبانی بینایی کامپیوتر Basics of Computer Vision

  • شبکه های عصبی کانولوشن چیست؟ What Are Convolutional Neural Networks?

  • سی ان ان: پیچیدگی ها CNN: Convolutions

  • CNN: فعال سازی و ادغام CNN: Activation and Pooling

  • CNN: طبقه بندی CNN: Classification

  • نسخه ی نمایشی: مقدمه ای بر مجموعه داده Demo: Introduction to the Dataset

  • کافه چیست؟ What Is Caffe?

  • نسخه ی نمایشی: آماده سازی داده ها Demo: Data Preparation

  • نسخه ی نمایشی: تعریف مدل Demo: Model Definition

  • نسخه ی نمایشی: تعریف حل کننده Demo: Solver Definition

  • نسخه ی نمایشی: آموزش و پیش بینی با استفاده از مدل Demo: Training and Prediction Using the Model

  • خلاصه Summary

بهبود عملکرد با استفاده از آموزش انتقال Improving Performance Using Transfer Learning

  • معرفی ماژول Module Introduction

  • عملکرد بهتر - چرا و چگونه؟ Better Performance - Why and How?

  • یادگیری انتقالی چیست؟ What Is Transfer Learning?

  • آموزش انتقال - از سناریوهای موردی استفاده کنید Transfer Learning - Use Case Scenarios

  • نسخه ی نمایشی: بهبود عملکرد مدل با استفاده از آموزش انتقال Demo: Improving Model Performance Using Transfer Learning

  • خلاصه و بازخورد Summary and Feedback

نمایش نظرات

آموزش یادگیری عمیق با کافه
جزییات دوره
1h 7m
28
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pratheerth Padman Pratheerth Padman

Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.