آموزش زبان C | یادگیری عمیق از پایه™ - آخرین آپدیت

دانلود { C Language } Deep Learning From Ground Up™

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

به دوره یادگیری عمیق با زبان C: از پایه تا پیشرفته™ خوش آمدید.

ما در این دوره یک سفر هیجان‌انگیز را با هم آغاز می‌کنیم. یاد خواهیم گرفت که چگونه شبکه‌های عصبی عمیق را از ابتدا (بدون استفاده از کتابخانه‌ها) با زبان C بسازیم.

با یادگیری اصول اولیه یادگیری عمیق و با کدهای عملی شروع می‌کنیم. این کدها، بلوک‌های سازنده‌ی شبکه‌های عصبی بزرگ و عمیق را نشان می‌دهند و در نهایت، مدل‌های یادگیری عمیق کاملاً کاربردی را با استفاده از زبان C ایجاد می‌کنیم.

در پایان این دوره، شما قادر خواهید بود:

  • شبکه‌های عصبی را از ابتدا (بدون کتابخانه) با زبان C بسازید.
  • اصول یادگیری عمیق را از دیدگاه زبان C درک کنید.
  • کتابخانه یادگیری عمیق خود را با زبان C بسازید.

اگر شما تازه وارد حوزه یادگیری ماشین و یادگیری عمیق هستید، این دوره برای شما مناسب است. این دوره از ابتدایی‌ترین بلوک‌های سازنده‌ی شبکه‌های عصبی شروع می‌شود و به شما آموزش می‌دهد چگونه شبکه‌های عصبی خود را با زبان C بسازید، قبل از اینکه به استفاده از کتابخانه‌های آماده بپردازیم.

اگر از قبل تجربه‌ای در زمینه یادگیری عمیق دارید و می‌خواهید نحوه توسعه مدل‌ها را با زبان C یاد بگیرید، می‌توانید به این دوره بپیوندید. این دوره آموزش‌های عمیقی در مورد چگونگی توسعه مدل‌های یادگیری عمیق با استفاده از زبان C ارائه می‌دهد.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه ای بر یادگیری عمیق Introduction to Deep Learning

راه اندازی Set Up

  • راه اندازی یک محیط توسعه یکپارچه (IDE) Setting up an Integrated Development Environment (IDE)

مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

  • شبکه عصبی ورودی واحد خروجی واحد The Single Input Single Output Neural Network

  • کدنویسی: شبکه عصبی ورودی واحد خروجی واحد Coding : Single Input Single Output Neural Network

  • شبکه عصبی ورودی واحد خروجی چندگانه The Single Input Multiple Output Neural Network

  • کدنویسی: شبکه عصبی ورودی واحد خروجی چندگانه Coding : Single Input Multiple Output Neural Network

  • شبکه عصبی ورودی چندگانه خروجی واحد The Multiple Input Single Output Neural Network

  • کدنویسی: شبکه عصبی ورودی چندگانه خروجی واحد Coding : Multiple Input Single Output Neural Network

  • شبکه عصبی ورودی چندگانه خروجی چندگانه The Multiple Input Multiple Output Neural Network

  • کدنویسی: شبکه عصبی ورودی چندگانه خروجی چندگانه Coding : Multiple Input Multiple Output Neural Network

  • شبکه عصبی لایه پنهان The Hidden Layer Neural Network

  • کدنویسی: شبکه عصبی لایه پنهان Coding : The Hidden Layer Neural Network

  • مقایسه و یافتن خطا Comparing and Finding Error

  • کدنویسی: یافتن خطا Coding : Finding Error

  • درک نمایش داده ها در یادگیری ماشینی Understanding data representation in Machine Learning

  • درک "یادگیری" در یادگیری ماشینی Understanding the "Learning" in Machine Learning

  • کدنویسی: یادگیری brute-force Coding : Brute-force Learning

  • مقدمه ای بر گرادیان کاهشی Introduction to Gradient Descent

  • توصیف عملکردی یک نورون بیولوژیکی Functional Description of a Biological Neuron

مقدمه ای بر شبکه عصبی (بخش 2) Introduction to Neural Network (Part 2)

  • مطالعه موردی: ساخت یک شبکه عصبی برای پیش بینی افزایش عضله Case Study : Building a Neural Network to Predict Muscle Gain

  • کدنویسی: نرمال سازی مجموعه داده ها Coding : Normalizing Datasets

  • کدنویسی: مقداردهی اولیه تصادفی وزن ها Coding : Random Initialization of Weights

  • درک توابع فعال سازی Understanding Activation Functions

  • کدنویسی: انتشار رو به جلو Coding : Forward Propagation

  • مبانی حساب دیفرانسیل و انتگرال Basics of Calculus

رگرسیون لجستیک Logistic Regression

  • مطالعه موردی: ساخت یک شبکه عصبی برای تشخیص گربه ها Case Study : Building a Neural Network to Detect Cats

شبکه های عصبی عمیق Deep Neural Networks

  • اجزای داخلی یک شبکه عصبی 2 لایه Internals of a 2 layer Neural Network

  • درک نمودارهای محاسباتی Understanding Computational Graphs

  • به روز رسانی موثر پارامترها Updating Parameters Effectively

  • درک اهمیت برداری سازی Understanding the Importance of Vectorization

  • خلاصه ای از پس انتشار و انتشار رو به جلو Summary of Back-propagation and Forward-propagation

  • مقداردهی اولیه موثر پارامترها Initializing Parameters Effectively

  • درک لایه ها و واحدها Understanding Layers and Units

  • درک شکل ها Understanding the Shapes

  • درک پخش (Broadcasting) در برنامه نویسی Understanding Broadcasting in Programming

بهبود شبکه های عصبی با تکنیک های تنظیم Improving Neural Networks with Regularization Techniques

  • بیش برازش و کم برازش Overfitting and Underfitting

ساخت یک کتابخانه کامل شبکه عصبی برای پیش بینی اعداد دست نویس Building a Complete Neural Network Library for Predicting Handwritten Numbers

  • کدنویسی: تعریف ساختار شبکه عصبی ما Coding : Defining our Neural Network Structure

ساخت توابع کاربردی کتابخانه شبکه عصبی ما Building Our Neural Network Library Utility Functions

  • کدنویسی: تعریف ساختار شی داده ما Coding : Defining our Data Object Structure

  • کدنویسی: پیاده سازی تابعی برای خواندن داده ها از یک فایل Coding : Implementing a Function to Read Data From a File

  • کدنویسی: پیاده سازی تابعی برای تجزیه داده های ما Coding : Implementing a Function to Parse our Data

  • کدنویسی: پیاده سازی توابع کاربردی بیشتر Coding : Implementing more Utility Functions

ساخت موتور کتابخانه شبکه عصبی ما Building Our Neural Network Library Engine

  • کدنویسی: پیاده سازی تابع انتشار رو به جلو Coding : Implementing the Forward Propagation Function

  • کدنویسی: پیاده سازی تابع انتشار معکوس Coding : Implementing the Back Propagation Function

  • کدنویسی: پیاده سازی تابع NNPredict Coding : Implementing the NNPredict Function

  • کدنویسی: پیاده سازی توابع NNBuild و NNTrain Coding : Implementing the NNBuild and NNTrain Functions

  • کدنویسی: پیاده سازی توابع NNSaveModel و NNLoadModel Coding : Implementing the NNSaveModel and NNLoadModel Functions

  • کدنویسی: پیاده سازی تابع NNPrint Coding : Implementing the NNPrint Function

تست کتابخانه شبکه عصبی ما Testing our Neural Network Library

  • کدنویسی: آموزش یک مدل برای پیش بینی ارقام دست نویس Coding : Training a Model to Predict Handwritten Digits

  • کدنویسی: تست مدل ما Coding : Testing our Model

  • کدنویسی: اجرای استنتاج با مدل ما Coding : Running Inference with our Model

پایان Closing

  • سخنان پایانی Closing Remarks

نمایش نظرات

آموزش زبان C | یادگیری عمیق از پایه™
جزییات دوره
7.5 hours
51
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,161
4.3 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

Israel Gbati Israel Gbati

Embedded Firmware Engineer نام من اسرائیل است ، من بیش از 7 سال است که در فضای سیستم جاسازی شده تحقیق و کار می کنم. در Udemy ده ها هزار دانش آموز در سیستم های جاسازی شده با تمرکز بر موضوعاتی مانند برنامه نویسی Assembly ، طراحی سیستم عامل های زمان واقعی ، توسعه سیستم عامل و پردازش سیگنال دیجیتال آموزش داده ام. من قادر به آموزش این مباحث هستم زیرا در کارهای روزمره مفاهیمی را از این مباحث استفاده می کنم. به یکی از دوره های من بپیوندید و ببینید چطور پیش می رود. همیشه می توانید درخواست بازپرداخت کنید.

BHM Engineering Academy BHM Engineering Academy

آکادمی مهندسی قرن بیست و یکم