کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش ساخت پیش‌بینی‌کننده حجم ترافیک [ویدئویی] - آخرین آپدیت

دانلود Building a Traffic Volume Predictor [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پیش‌بینی حجم ترافیک به دلیل الگوهای نوسانی متأثر از زمان و عوامل خارجی، چالشی پیچیده است. در این پروژه عملی، ما یک شبکه عصبی برای تحلیل و پیش‌بینی حجم ترافیک در یک بزرگراه در مینه‌سوتای آمریکا خواهیم ساخت. با استفاده از یادگیری عمیق، الگوهای انتزاعی را از داده‌های تاریخی ترافیک استخراج می‌کنیم تا دقت پیش‌بینی را افزایش دهیم. این پروژه گام‌به‌گام شما را از مراحل آماده‌سازی داده‌ها، ساخت مدل، آموزش و ارزیابی با استفاده از PyTorch هدایت می‌کند. شما با مجموعه‌داده‌های واقعی ترافیکی کار خواهید کرد، داده‌ها را پیش‌پردازش کرده و یک شبکه عصبی را برای پیش‌بینی‌های بهینه تنظیم می‌کنید. در این مسیر، بینشی در مورد مدیریت داده‌های سری زمانی و استفاده از هوش مصنوعی برای پیش‌بینی‌های ترافیکی آگاهانه به دست خواهید آورد. در پایان، شما یک پیش‌بینی‌کننده کاربردی برای حجم ترافیک خواهید داشت که می‌تواند به مدیریت تراکم، برنامه‌ریزی جاده‌ای و بهره‌وری در رفت‌وآمد کمک کند. دفترچه DataLab خود را برای این پروژه ایجاد کنید: (https://www.datacamp.com/datalab/new?accountType=personal&_tag=workspace&workspaceId=a04557f6-e047-4564-a838-bbfcbdeac2fc&title=Building%20a%20Traffic%20Volume%20Predictor&visibility=private&openIfExists=true) - بارگذاری و تبدیل داده‌های سری زمانی برای وظایف یادگیری عمیق - تقسیم داده‌های سری زمانی به مجموعه‌های آموزش و تست - ساخت مدل LSTM برای پیش‌بینی حجم ترافیک - آموزش و بهینه‌سازی مدل‌های LSTM برای عملکرد حداکثری - ارزیابی نتایج مدل با استفاده از معیارهای کلیدی و بصری‌سازی - به‌کارگیری تکنیک‌های یادگیری عمیق در پیش‌بینی سری‌های زمانی این دوره برای افرادی که درک پایه‌ای از مفاهیم یادگیری ماشین و علوم داده دارند، ایده‌آل است. آشنایی با پایتون و اصول اولیه شبکه عصبی کمک‌کننده خواهد بود، اما تجربه قبلی در یادگیری عمیق یا تحلیل سری زمانی الزامی نیست. این دوره برای دانشمندان داده، تحلیلگران حمل و نقل و متخصصان یادگیری ماشین که به دنبال کاربرد مهارت‌های خود در چالش‌های دنیای واقعی هستند، مناسب است. - یادگیری نحوه ساخت و بهینه‌سازی مدل‌های LSTM برای داده‌های سری زمانی * کسب مهارت در استفاده از PyTorch برای وظایف یادگیری عمیق * راهنمای گام‌به‌گام پیش‌پردازش داده‌ها، آموزش مدل و ارزیابی
سرفصل ها و درس ها

ساخت پیش‌بینی‌کننده حجم ترافیک Building a Traffic Volume Predictor

  • ساخت پیش‌بینی‌کننده حجم ترافیک Building a Traffic Volume Predictor

آموزش استفاده از پهپادها در علوم محیط زیست

آموزش استفاده از پهپادها در علوم محیط زیست

دانلود Drones for Environmental Science

آموزش ساخت اپلیکیشن‌های فول‌استک با Vibe Coding

آموزش ساخت اپلیکیشن‌های فول‌استک با Vibe Coding

دانلود Building Full-Stack Applications with Vibe Coding

آموزش ابزارهای هوش تجاری (BI) برای تحلیلگران داده

آموزش ابزارهای هوش تجاری (BI) برای تحلیلگران داده

دانلود Business Intelligence Tools for Data Analysts

نمایش نظرات

آموزش ساخت پیش‌بینی‌کننده حجم ترافیک [ویدئویی]
جزییات دوره
0h 47m
1
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد

https://donyad.com/d/d7b007

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

DataLab DataLab

DataLab یک راهکار آموزشی است که برای توانمندسازی افراد و تیم‌ها در جهت کاوش در داده‌ها، ارتقای مهارت‌ها و حل مسائل دنیای واقعی طراحی شده است. DataLab با محتوای تعاملی، تمرینات عملی و تمرکز بر کاربردهای واقعی، به یادگیرندگان کمک می‌کند تا کنجکاوی‌های داده‌ای خود را به توانمندی‌های مطمئن تبدیل کنند.

Bernd Schrooten Bernd Schrooten

برند (Bernd) مدیر مهندسی در DataLab با حدود ۷ سال تجربه در مهندسی نرم‌افزار، عمدتاً به عنوان مهندس فول‌استک است. او با پیشینه‌ای در زمینه هوش مصنوعی از تحصیلاتش در علوم کامپیوتر، بر روی طیف گسترده‌ای از پروژه‌ها که مهندسی نرم‌افزار را با راهکارهای داده‌محور ترکیب می‌کنند، کار کرده است. در طول سال‌ها، او علاقه شدیدی به کمک به دیگران برای یادگیری نحوه ساخت اپلیکیشن‌های کاربردی و واقعی داده‌ها — به صورت تمیز، مؤثر و با در نظر گرفتن محیط تولید (Production) — پیدا کرده است.

Python PyTorch پایتون Data Data Science داده علوم داده