لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری عمیق با پروژه های دنیای واقعی [ویدئو]
Deep Learning with Real-World Projects [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آیا می خواهید یک دانشمند داده خوب شوید؟ سپس این دوره مناسب برای شما است.
این دوره توسط متخصصان IIT که به ریاضیات و علوم داده تسلط دارند طراحی شده است. ما تئوری های پیچیده، الگوریتم ها و کتابخانه های کدگذاری را به روشی بسیار ساده پوشش خواهیم داد که برای هر مبتدی به راحتی قابل درک باشد.
ما شما را قدم به قدم وارد دنیای یادگیری عمیق خواهیم کرد. هر ویدیو به دنبال بهبود درک شما از زمینه چالش برانگیز یادگیری عمیق از سطح مبتدی تا پیشرفته است.
ما شبکههای عصبی مصنوعی، شبکههای پیشخور، انتشار پسانداز، منظمسازی، شبکههای عصبی کانولوشن، عملی در CNN، دو پروژه واقعی برای CNN، یادگیری انتقال، شبکههای عصبی مکرر، RNN پیشرفته، مطالعه موردی NLP (پردازش زبان طبیعی) را پوشش خواهیم داد. ، کد برنامه نویسی خودکار را تولید کنید و پایه ای محکم برای پایتون و یادگیری ماشین بسازید.
ما در این دوره به حل چند پروژه واقعی خواهیم پرداخت و راه حل های کامل آنها نیز ارائه شده است تا دانش آموزان بتوانند به راحتی مطالب آموزش داده شده را پیاده سازی کنند.
در پایان دوره، می توانید از الگوریتم های یادگیری عمیق پایتون در زندگی واقعی استفاده کنید.
تمامی کدها و فایل های پشتیبانی این دوره در آدرس زیر موجود است: https://github.com/packtpublishing/deep-learning-with-real-world-projects آموزش استفاده از Matplotlib برای تجسم داده ها
یاد بگیرید که از Seaborn برای نمودارهای آماری استفاده کنید
آموزش استفاده از NumPy و Pandas برای تجزیه و تحلیل داده ها
تمام ریاضیات مورد نیاز برای درک الگوریتم های یادگیری عمیق را بیاموزید
تمام اصول آماری را بیاموزید و به یک متخصص یادگیری عمیق تبدیل شوید
راهحلهای علم داده را بیاموزید. کسانی که در حال حاضر بر روی مدل های تحلیلی و یادگیری ماشین کار می کنند و به دنبال استفاده از فناوری های یادگیری عمیق برای بهبود ظرفیت حل مسئله خود هستند، باید از این دوره بهره مند شوند. متخصصان شاغل که به دنبال انتقال شغلی به سمت نقشهای علم داده هستند، میتوانند مهارت بیشتری کسب کنند. یک دوره عملی با چندین پروژه واقعی در یادگیری عمیق * همه الگوریتم ها و تکنیک های یادگیری عمیق سطح پیشرفته مانند منظم سازی، ترک تحصیل و موارد دیگر * پیاده سازی الگوریتم های یادگیری عمیق همراه با شهودات ریاضی
سرفصل ها و درس ها
معرفی دوره
Course Introduction
معرفی
Introduction
تاریخچه یادگیری عمیق
History of Deep Learning
پرسپترون ها
Perceptrons
پرسپترون های چند سطحی
Multi-Level Perceptrons
زمین بازی شبکه عصبی
Neural Network Playground
نمایندگی ها
Representations
آموزش شبکه عصبی - قسمت اول
Training Neural Network - Part 1
آموزش شبکه عصبی - قسمت دوم
Training Neural Network - Part 2
آموزش شبکه عصبی - قسمت 3
Training Neural Network - Part 3
توابع فعال سازی
Activation Functions
شبکه های عصبی مصنوعی-مقدمه
Artificial Neural Networks-Introduction
معرفی
Introduction
یادگیری عمیق
Deep Learning
درک مغز انسان
Understanding the Human Brain
پرسپترون
Perceptron
پرسپترون برای طبقه بندی کننده ها
Perceptron for Classifiers
پرسپترون در عمق
Perceptron in Depth
مختصات همگن
Homogeneous Coordinate
مثال برای Perceptron
Example for Perceptron
چند طبقه بندی کننده
Multi-Classifier
شبکه های عصبی
Neural Networks
لایه ورودی
Input Layer
لایه خروجی
Output Layer
تابع سیگموئید
Sigmoid Function
درک MNIST
Understanding MNIST
مفروضات در شبکه های عصبی
Assumptions in Neural Networks
آموزش شبکه های عصبی
Training in Neural Networks
درک نمادها
Understanding Notations
توابع فعال سازی
Activation Functions
ANN - شبکه فید فوروارد
ANN - Feed Forward Network
معرفی
Introduction
حالت آفلاین آنلاین
Online Offline Mode
RNN دو طرفه
Bidirectional RNN
درک ابعاد
Understanding Dimensions
شبه کد
Pseudocode
شبه کد برای دسته
Pseudocode for Batch
روش های برداری
Vectorized Methods
پس انتشار
Backpropagation
معرفی
Introduction
معرفی تابع ضرر
Introducing Loss Function
آموزش پس تکثیر - قسمت 1
Backpropagation Training - Part 1
آموزش پس تکثیر - قسمت 2
Backpropagation Training - Part 2
آموزش پس تکثیر - قسمت 3
Backpropagation Training - Part 3
آموزش پس تکثیر - قسمت 4
Backpropagation Training - Part 4
آموزش پس تکثیر - قسمت 5
Backpropagation Training - Part 5
تابع سیگموئید
Sigmoid Function
آموزش پس تکثیر - قسمت 6
Backpropagation Training - Part 6
آموزش پس تکثیر - قسمت 7
Backpropagation Training - Part 7
آموزش پس تکثیر - قسمت 8
Backpropagation Training - Part 8
آموزش پس تکثیر - قسمت 9
Backpropagation Training - Part 9
آموزش پس تکثیر - قسمت 10
Backpropagation Training - Part 10
شبه کد
Pseudocode
SGD
SGD
یافتن حداقل های جهانی
Finding Global Minima
آموزش برای دسته ها
Training for Batches
منظم سازی
Regularization
مقدمه ای بر منظم سازی
Introduction to Regularization
ترک تحصیل قسمت 1
Dropouts Part 1
ترک تحصیل قسمت 2
Dropouts Part 2
عادی سازی دسته ای - قسمت 1
Batch Normalization - Part 1
عادی سازی دسته ای - قسمت 2
Batch Normalization - Part 2
عادی سازی دسته ای - قسمت 3
Batch Normalization - Part 3
معرفی TensorFlow
Introducing TensorFlow
معرفی کراس
Introducing Keras
شبکه های عصبی کانولوشن
Convolution Neural Networks
معرفی
Introduction
برنامه های کاربردی برای CNN
Applications for CNN
ایده پشت سی ان ان - قسمت 1
Idea Behind CNN - Part 1
ایده پشت سی ان ان - قسمت 2
Idea Behind CNN - Part 2
پیش نیاز - رگرسیون لجستیک
Prerequisite - Logistic Regression
معرفی
Introduction
تابع سیگموئید
Sigmoid Function
شانس ورود به سیستم
Log Odds
مطالعه موردی
Case Study
پیش نیاز - الگوریتم های پیشرفته یادگیری ماشین
Prerequisite - Advanced Machine Learning Algorithms
معرفی
Introduction
مثال: قسمت 1
Example: Part 1
مثال: قسمت 2
Example: Part 2
راه حل بهینه
Optimal Solution
مطالعه موردی
Case Study
منظم سازی
Regularization
ریج و کمند
Ridge and Lasso
مطالعه موردی
Case Study
انتخاب مدل
Model Selection
مربع R تنظیم شده
Adjusted R Square
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
Geekshub یک شرکت آموزش آنلاین در زمینه داده های بزرگ و تجزیه و تحلیل است. هدف آنها به عنوان یک تیم این است که بهترین مجموعه مهارت را به مشتریان خود ارائه دهند تا آنها را برای کار آماده کنند و آنها را برای مقابله با هر چالشی آماده کنند. آنها بهترین مربیان را برای فناوری های پیشرفته مانند یادگیری ماشینی، یادگیری عمیق، پردازش زبان طبیعی (NLP)، یادگیری تقویتی و علم داده دارند. مربیان آنها افرادی هستند که از IIT، MIT و Standford فارغ التحصیل شده اند. آنها مشتاق آموزش موضوعات با استفاده از مطالعات موردی در دنیای واقعی هستند که تجربه یادگیری دانش آموزان را کالیبره می کند.
نمایش نظرات