شبکه های عصبی راجعه (RNN) برای در نظر گرفتن توالی داده ها ایده آل هستند. در این دوره ، نحوه استفاده از جاسازی کلمات برای تجزیه و تحلیل احساسات با استفاده از شبکه های عصبی را کشف خواهید کرد.
مدل های پیش بینی عملکرد را بهبود بخشید، مدل های پیچیده تر بسازید و از تکنیک هایی برای بهبود کیفیت مدل های پیش بینی خود استفاده کنید.
مهارتهای Google Cloud Platform را برای مدیریت برنامههای Hadoop، دادههای بزرگ و یادگیری ماشین توسعه دهید
تکنیک های یادگیری بدون نظارت با مجموعه داده های بزرگ برای یافتن الگوهای درون داده ها کار می کنند. این دوره به شما جزئیات خوشه بندی و رمزگذاری خودکار، دو تکنیک همه کاره یادگیری بدون نظارت و نحوه پیاده سازی آنها را در TensorFlow می آموزد.
این دوره نکات دقیق ساخت چنین مدلهایی و همچنین رگرسیون لجستیک، روشهای نزدیکترین همسایه و معیارهای ارزیابی طبقهبندیکنندهها مانند دقت، دقت و یادآوری را پوشش میدهد.
تصور فناوری داغتر از یادگیری عمیق، هوش مصنوعی و شبکههای عصبی مصنوعی دشوار است. اگر تجربهای از پایتون دارید...
نحوه نصب TensorFlow را بیاموزید و از آن برای ایجاد ، آموزش و استقرار یک مدل یادگیری ماشین استفاده کنید.
این دوره TensorFlow ، یک کتابخانه جریان داده منبع باز برای محاسبات عددی با استفاده از نمودارهای جریان داده را معرفی می کند.
TensorFlow ابزاری انتخابی برای ایجاد برنامه های یادگیری عمیق است. در این دوره ، شما خواهید آموخت که چگونه سلول های عصبی در شبکه های عصبی توابع غیر خطی را یاد می گیرند و شبکه های عصبی چگونه عملیاتی مانند رگرسیون و طبقه بندی را اجرا می کنند.
این دوره به شما نحوه نصب و استفاده از TensorFlow ، کتابخانه پیشرو یادگیری ماشین از Google را نشان می دهد. خواهید دید که چگونه TensorFlow می تواند طیف وسیعی از مدل های یادگیری ماشین را ایجاد کند ، از رگرسیون خطی ساده گرفته تا شبکه های عصبی عمیق پیچیده.