TensorFlow 1.x دستور العمل های یادگیری عمیق برای برنامه های کاربردی هوش مصنوعی [ویدئو]

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