کسب دانش اساسی در Computer Vision با PyTorch و Python، تکمیل شده با راهنمایی های متخصص و نکات عملی در مورد استفاده از شبکه های عصبی کانولوشن و تکنیک های یادگیری عمیق
"ساخت چیزهای زیبا با کد می تواند آسان باشد اگر آن را گام به گام پیش ببرید. بیایید کدنویسی خلاقانه را بررسی کنیم و کشف کنیم که با ترکیب d های مختلف چه کاری می توان انجام داد..."
Tensorflow 2 CNN برای بینایی کامپیوتری، پردازش زبان طبیعی (NLP) + بیشتر! برای علم داده و یادگیری ماشین
GRU، LSTM، پیشبینی سری زمانی، پیشبینی سهام، پردازش زبان طبیعی (NLP) با استفاده از هوش مصنوعی
VGG، ResNet، Inception، SSD، RetinaNet، انتقال سبک عصبی، GAN ها + موارد بیشتر در Tensorflow، Keras و Python
به یادگیری عمیق در PyTorch با استفاده از رویکرد علمی تجربی، با مثالها و مشکلات تمرینی فراوان، مسلط شوید.
ارائه TensorFlow Keras PyTorch Python مدل Flask Serverless REST API MLOps MLflow Cloud GCP NLP tensorflow.js استقرار
ایجاد الگوریتم های یادگیری عمیق در پایتون را از دو متخصص یادگیری ماشین و علم داده یاد بگیرید. قالب ها گنجانده شده است.
استفاده از یادگیری عمیق در هوش مصنوعی و یادگیری تقویتی با استفاده از استراتژی های تکامل، A2C و DDPG
پردازش زبان طبیعی (NLP) با توالی به دنباله (seq2seq)، توجه، CNN، RNN و شبکه های حافظه!
با کتابخانه های مدرن مانند Tensorflow، Theano، Keras، PyTorch، CNTK، MXNet بسازید. با GPU در AWS سریع تر تمرین کنید.
لازم نیست بهرهوری خلاقانه تصادفی و خستهکننده باشد. با طراحی یک روال کار عمیق خلاقانه، خروجی خلاقانه خود را افزایش دهید. این که آیا شما می خواهید به w. .."