لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش TensorFlow 1.x دستور العمل های یادگیری عمیق برای برنامه های کاربردی هوش مصنوعی [ویدئو]
TensorFlow 1.x Deep Learning Recipes for Artificial Intelligence Applications [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره در مورد برخی از هیجان انگیزترین برنامه های یادگیری عمیق و نحوه پیاده سازی آنها در TensorFlow است. شما یاد خواهید گرفت که چگونه مدل هایی برای حل مسائل در حوزه های مختلف مانند بینایی کامپیوتر، پردازش زبان طبیعی، یادگیری تقویتی، مالی و غیره بسازید.
با در نظر گرفتن رویکرد کتاب آشپزی، این دوره دستور العمل های ساده ای را به شما ارائه می دهد تا استفاده از تکنیک های پیشرفته یادگیری عمیق و اجرای آنها را در TensorFlow نشان دهد. پس از گذراندن این آموزش، میتوانید ساخت مدلهای یادگیری عمیق پیشرفته را با TensorFlow برای برنامههایی با طیف وسیعی از زمینهها آغاز کنید.
تمامی کدها و فایل های پشتیبانی این دوره در Github در https://github.com/PacktPublishing/-TensorFlow-1.X-Deep-Learning-Recipes-for-Artificial-Intelligence-Applications-v- [*] موجود است. درک نحوه پیاده سازی شبکه های عصبی کانولوشن و استفاده از آنها برای دید کامپیوتری
[*]با نحوه ساخت مدل های شبکه عصبی بازگشتی و استفاده از آنها برای وظایف پردازش زبان طبیعی آشنا شوید.
[*]از مدل های بنیادی در یادگیری تقویتی استفاده کنید
[*]از مدل های یادگیری عمیق پیاده سازی شده در TensorFlow برای حل مشکلات در بسیاری از حوزه ها استفاده کنید
[*]ساخت برنامه های Deep Learning خود را شروع کنید
این دوره برای تحلیلگران داده، دانشمندان داده، مهندسان داده، مهندسان نرم افزار و هر کسی که با پایتون و داده کار می کند و می خواهد یادگیری ماشینی را به طور منظم انجام دهد و از TensorFlow برای ساخت مدل های یادگیری عمیق استفاده کند، در نظر گرفته شده است.
تسلط به پایتون 3، آشنایی با مفاهیم اولیه یادگیری ماشین، آگاهی اولیه از رایج ترین الگوریتم های یادگیری ماشین، آشنایی با شبکه های عصبی و مفاهیم مرتبط، و درک اولیه از نحوه عملکرد TensorFlow سودمند خواهد بود.
[*]با نحوه ساخت مدل هایی برای حل مشکلات در بینایی کامپیوتر، پردازش زبان طبیعی، یادگیری تقویتی، امور مالی و موارد دیگر آشنا شوید * [*]رویکردی عملی برای هیجان انگیزترین کاربردهای یادگیری عمیق * [*]درک نحوه ساخت مدل های یادگیری عمیق پیشرفته با TensorFlow *
سرفصل ها و درس ها
شبکه های عصبی کانولوشن برای بینایی کامپیوتری
Convolutional Neural Networks for Computer Vision
بررسی اجمالی دوره
The Course Overview
نصب و راه اندازی
Installation and Setup
تعریف لایه ها برای تشخیص تصویر
Defining Layers for Image Recognition
ساخت یک طبقه بندی کننده تصویر با CNN
Building an Image Classifier with CNNs
ساخت CNN های بهتر با منظم سازی
Building Better CNNs with Regularization
آموزش انتقالی
Transfer Learning
کاربردهای شبکه های عصبی مکرر
Applications of Recurrent Neural Networks
شهود پشت RNN ها
The Intuition Behind RNNs
پیش بینی سری های زمانی با RNN
Time Series Forecasting with RNN
تولید جاسازی کلمه برای وظایف NLP
Producing Word Embeddings for NLP Tasks
پردازش توالی های متن با شبکه های LSTM
Processing Text Sequences with LSTM Networks
کاربرد یادگیری عمیق در مشکلات هوش مصنوعی
Application of Deep Learning to AI Problems
حدس زدن همبستگی ها از طرح های پراکندگی
Guessing Correlations from Scatter Plots
مقدمه ای بر شبکه های متخاصم مولد
Introduction to Generative Adversarial Networks
ایجاد تصاویر با GAN
Creating Images with GANs
توالی به دنباله مدل
Sequence to Sequence Models
ساخت مترجم زبان
Building a Language Translator
مقدمه ای بر یادگیری تقویتی
Introduction to Reinforcement Learning
مفاهیم کلیدی در یادگیری تقویتی
Key Concepts in Reinforcement Learning
یک محیط ساده و سیاست های اساسی
A Simple Environment and Basic Policies
آموزش خط مشی شبکه عصبی
Training a Neural Network Policy
استفاده از یک عامل هوشمند
Using an Intelligent Agent
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.
آلوارو فوئنتس، دانشمند ارشد داده با پیشینه ریاضیات کاربردی و اقتصاد است. او بیش از 14 سال تجربه در نقش های مختلف تحلیلی دارد و مشاور تحلیلی در یکی از شرکت های مشاوره مدیریت جهانی "سه بزرگ" است که پروژه های تحلیلی پیشرفته را در صنایع مختلف مانند بانکداری، فناوری و کالاهای مصرفی رهبری می کند. آلوارو همچنین نویسنده و مربی در تجزیه و تحلیل و علم داده است و دوره ها و کتاب هایی مانند «تحلیلگر داده پایتون شوید» و «تجزیه و تحلیل پیش بینی دستی با پایتون» را منتشر کرده است. او همچنین علم داده و موضوعات مرتبط را به هزاران دانشآموز به صورت حضوری و آنلاین از طریق پلتفرمهای مختلف مانند Springboard، Simplilearn، Udemy، و BSG Institute آموزش داده است.
نمایش نظرات