استفاده از شبکه های عصبی برای تجزیه و تحلیل داده های تصویری و صوتی

Using Neural Networks for Image and Voice Data Analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری عمیق، برخلاف یادگیری ماشینی، روش قوی تری برای مقابله با داده های تصویری و صوتی برای مسائل مختلف علوم داده مانند طبقه بندی و خوشه بندی را امکان پذیر می کند. این تا حد زیادی به دلیل قدرت شبکه‌های عصبی و توانایی آنها در یادگیری ویژگی‌های مناسب برای نمایش تصاویر و داده‌های صوتی بدون نیاز به انتخاب دست‌چین ویژگی‌هایی است که در یادگیری ماشین سنتی انجام می‌شود. با این حال، درک معماری صحیح شبکه عصبی برای به دست آوردن بهترین نتیجه ممکن ضروری است. در این دوره، با استفاده از شبکه های عصبی برای تجزیه و تحلیل داده های تصویری و صوتی، شما توانایی تبدیل داده های تصویری و صوتی و نمایش شکل عددی آن (بردار ویژگی) را برای تغذیه به یک شبکه عصبی به دست خواهید آورد. ابتدا، روشی را که دانشمندان داده مشکلات را در تشخیص تصویر، تشخیص اشیا، و گفتار به متن از نظر بردارسازی و قالب مورد انتظار برای نحوه جذب و استنتاج این داده ها توسط شبکه های عصبی تعریف می کنند را بررسی خواهید کرد. در مرحله بعد، نحوه ارزیابی صحیح معماری شبکه های عصبی مختلف، از ابتدایی ترین معماری ها مانند وانیلی CNN گرفته تا پیشرفته تر مانند مدل های مبتنی بر ترانسفورماتور، را برای حل صحیح یک تصویر خاص یا مشکل مبتنی بر صدا، کشف خواهید کرد. و همچنین نقاط قوت و ضعف آنها. در نهایت، نحوه استفاده از یک چارچوب یادگیری عمیق به نام PyTorch را خواهید دید تا به راحتی پیاده سازی های مختلف شبکه های عصبی را آزمایش کنید و ببینید که چگونه در برابر داده ها تمرین می کند و همچنین عملکرد مدل را با استفاده از معیارهای مختلف اندازه گیری می کند. پس از اتمام این دوره، مهارت ها و دانش شبکه های عصبی مورد نیاز برای تشخیص و اجرای صحیح معماری شبکه عصبی داده های تصویری و صوتی را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

پردازش تصویر و صدا Image and Audio Processing

  • پردازش تصویر و صدا Image and Audio Processing

  • نمایش عددی داده ها Numerical Representation of Data

  • همه اش را بگذار کنار هم Putting it All Together

  • نسخه ی نمایشی Demo

معماری شبکه های عصبی Neural Network Architectures

  • معماری شبکه های عصبی Neural Network Architectures

  • شبکه های عصبی مکرر و عملکرد Recurrent Neural Networks and Performance

نمایش نظرات

استفاده از شبکه های عصبی برای تجزیه و تحلیل داده های تصویری و صوتی
جزییات دوره
31m
7
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

Raphael Alampay Raphael Alampay

رافائل آلامپای یکی از بنیانگذاران Cloudband Solutions Co. ، یک شرکت مشاوره و توسعه نرم افزار است که از نرم افزارهای سفارشی برای SME در سراسر جهان پشتیبانی می کند. او با استفاده از زمان و فن آوری آزمایش شده مانند جاوا ، Ruby on Rails ، Python ، PostgreSQL و Linux ، علاقه زیادی به ایجاد برنامه هایی دارد که مشکلات دنیای واقعی را حل می کند و باعث می شود مشاغل همزمان کارآمدتر و نوآورتر باشند. کار وی در زمینه نرم افزار عمدتاً مبتنی بر فلسفه "کایزن" است که به معنای بهبود مستمر است. که هر نرم افزار به معنای بهبود مداوم در طول زمان است. جدا از توسعه نرم افزار ، رافائل همچنین در دانشگاه ها و نهادهای شرکتی به طور عمده در زمینه برنامه نویسی و یادگیری ماشین به تدریس علوم کامپیوتر می پردازد. وی در حال حاضر دارای مدرک کارشناسی ارشد در علوم کامپیوتر است و همچنین در حال تحصیل در مقطع دکترای علوم کامپیوتر است. اگر برنامه نویسی یا تدریس نباشد ، رافائل در اوقات فراغت خود از نواختن پیانو و گیتار لذت می برد.