در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

آموزش انجام Deep Learning در زبان R, Keras و غیره

14,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

با مشاهده این دوره آموزشی قدم به قدم یاد می گیرید که چطور دیپ لرنینگ را در زبان R ، کراس و همچنین دیگر زبان ها انجام دهید.

عنوان اصلی : Complete Deep Learning In R With Keras & Others

سرفصل ها :


مقدمه دوره: مفاهیم کلیدی و ابزار نرم افزار:
مقدمه دوره
داده و کد
R و RStudio را نصب کنید
MXnet را در R و RStudio نصب کنید
Mxnet را در دستورالعمل های نوشته شده R نصب کنید
H2o را نصب کنید
کراس چیست؟
Keras را در R نصب کنید
متداول ترین انواع داده ای که با آن مواجه خواهیم شد چیست؟
دسترسی اولیه به داده ها و پیش پردازش در R:
در داده ها از فایل های CSV و Excel بخوانید
در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید
در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید
کار با داده های خارجی در H2o
حذف NA
پاکسازی اطلاعات بیشتر
مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 1
مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 2
تجزیه و تحلیل داده های اکتشافی (EDA): تجسم های اساسی با R
برخی از مبانی نظری:
تفاوت بین یادگیری تحت نظارت و بدون نظارت
نظریه پشت ANN (شبکه عصبی مصنوعی) و DNN (شبکه های عصبی عمیق)
توابع فعال سازی چیست؟
ساخت شبکه های عصبی مصنوعی (ANN) در R:
شبکه عصبی برای طبقه بندی های باینری
دقت را ارزیابی کنید
اجرای یک پرسپترون چند لایه (MLP) برای طبقه بندی نظارت شده
شبکه عصبی برای طبقه بندی های چند کلاسه
شبکه عصبی برای داده های نوع تصویر
طبقه‌بندی چند کلاسه با استفاده از شبکه‌های عصبی با کرت
یک ANN با H2o برای طبقه بندی نظارت شده چند کلاسه پیاده سازی کنید
یک طبقه بندی مبتنی بر ANN را با استفاده از MXNet پیاده سازی کنید
پیاده سازی MLP با Keras
Keras MLP در مورد داده های واقعی
Keras MLP برای رگرسیون
شبکه عصبی برای رگرسیون
اطلاعات بیشتر در مورد شبکه های عصبی مصنوعی (ANN) - با شبکه عصبی
یک رگرسیون مبتنی بر ANN را با استفاده از MXNet اجرا کنید
شناسایی اهمیت متغیرها در شبکه های عصبی
ساخت شبکه های عصبی عمیق (DNN) در R:
یک DNN ساده با "neuralnet" برای طبقه بندی های باینری پیاده سازی کنید
یک DNN ساده با "deepnet" برای رگرسیون پیاده سازی کنید
یک DNN با H2o برای طبقه‌بندی نظارت شده چند کلاسه اجرا کنید
یک DNN (کمتر فشرده) با H2o برای طبقه بندی نظارت شده اجرا کنید
یک DNN با Keras پیاده سازی کنید
شناسایی اهمیت متغیر
پیاده سازی MXNET از طریق "caret"
یک DNN با H2o برای رگرسیون پیاده سازی کنید
یک DNN با Keras For Regression پیاده سازی کنید
پیاده سازی رگرسیون DNN با Keras (داده واقعی)
طبقه بندی بدون نظارت با یادگیری عمیق:
نظریه پشت طبقه بندی بدون نظارت
رمزگذارهای خودکار برای یادگیری بدون نظارت
رمزگذارهای خودکار برای تشخیص تقلب در کارت اعتباری
از مدل Autoencoder برای تشخیص ناهنجاری استفاده کنید
رمزگذارهای خودکار برای طبقه بندی بدون نظارت
رمزگذارهای خودکار با Keras
رمزگذارهای خودکار Keras در داده های واقعی
رمزگذار خودکار انباشته با Keras
Keras برای تشخیص بیرونی
Outlier را پیدا کنید
تشخیص بیرونی برای سرطان (با کراس)
شبکه های عصبی کانولوشن (CNN):
CNN چیست؟
یک CNN برای طبقه بندی نظارت شده چند کلاسه اجرا کنید
اطلاعات بیشتر درباره دقت مدل CNN ما
راه اندازی CNN با Keras
اطلاعات بیشتر درباره CNN With Keras
Keras CNN را روی تصاویر واقعی پیاده سازی کنید
چند توضیح بیشتر
بهبود عملکرد CNN
CNN برای طبقه بندی چند طبقه
کار با داده های متنی:
پیش پردازش اولیه داده های متنی
کشف تقلب ها با استفاده از رمزگذارهای خودکار Keras در داده های متنی
جاسازی کلمه برای طبقه بندی تقلب
جاسازی کلمه برای طبقه بندی کلاهبرداری-GloVe
شبکه های عصبی مکرر (RNN):
برخی مبانی نظری
از RNN برای طبقه بندی متن استفاده کنید
از RNN برای داده های زمانی استفاده کنید

نمایش سرفصل های انگلیسی

Complete Deep Learning In R With Keras & Others