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 تکنیک های مدرن Deep Learning در زبان Python

15,900 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

در این مجموعه آموزش دیپ لرنینگ و پیاده سازی آن را در زبان پایتون یاد می گیرید. گفتنی است مدرس مجموعه استفاده از ابزارهای مدرن برای پیاده سازی Deep Learning نظیر موارد زیر را به شما آموزش میدهد.

Tensorflow, Theano, Keras, PyTorch, CNTK, MXNet

عنوان اصلی : Modern Deep Learning in Python

سرفصل ها :


مقدمه و طرح کلی:
طرح کلی - قبلاً چه چیزهایی یاد گرفتید و در این دوره چه چیزی یاد خواهید گرفت؟
این دوره در کجای مطالعات یادگیری عمیق شما قرار می گیرد؟
مرور :
مروری بر مفاهیم پایه
از کجا می توان مجموعه داده MNIST و ایجاد یک معیار خطی را دریافت کرد
Gradient Descent: Full vs Batch vs Stochastic:
نزول گرادیان کامل، دسته ای و تصادفی چیست؟
کامل در مقابل دسته در مقابل نزول گرادیان تصادفی در کد
شتاب و نرخ یادگیری تطبیقی:
استفاده از مومنتوم برای افزایش سرعت تمرین
حرکت نستروف
حرکت در کد
نرخ یادگیری متغیر و انطباقی
نرخ یادگیری ثابت در مقابل RMSProp در کد
بهینه سازی آدام
آدم در کد
انتخاب فراپارامترها:
بهینه سازی هایپرپارامتر: اعتبارسنجی متقابل، جستجوی شبکه ای و جستجوی تصادفی
نمونه برداری لگاریتمی
جستجوی شبکه در کد
اصلاح جستجوی شبکه
جستجوی تصادفی در کد
مقدار اولیه وزن:
مقدمه بخش اولیه سازی وزن
ناپدید شدن و انفجار گرادیان
مقدار اولیه وزن
حداقل های محلی در مقابل جهانی
خلاصه بخش اولیه سازی وزن
تیانو:
مبانی Theano: متغیرها، توابع، عبارات، بهینه سازی
ساخت شبکه عصبی در Theano
آیا تیانو مرده است؟
TensorFlow:
مبانی TensorFlow: متغیرها، توابع، عبارات، بهینه سازی
ساخت شبکه عصبی در تنسورفلو
Session چیست؟ (و بیشتر)
سرعت پردازنده گرافیکی، تکالیف و سایر موضوعات متفرقه:
راه اندازی یک نمونه GPU در خدمات وب آمازون
آیا می توان از داده های بزرگ برای سرعت بخشیدن به پس انتشار استفاده کرد؟
تمرین ها و مفاهیمی که هنوز باید پوشش داده شوند
چگونه مهارت های Theano و Tensorflow خود را بهبود بخشید
Theano در مقابل TensorFlow
انتقال به نیمه دوم دوره:
انتقال به نیمه دوم دوره
پروژه: تشخیص حالت چهره
7 سخنرانی
معرفی پروژه تشخیص حالت چهره
شرح مشکل تشخیص حالت چهره
مشکل عدم تعادل طبقاتی
راهنمايي آب و برق
ANN مبتنی بر کلاس در Theano
ANN مبتنی بر کلاس در TensorFlow
خلاصه پروژه تشخیص حالت چهره
تکنیک های منظم سازی مدرن
5 سخنرانی
مقدمه بخش تکنیک های منظم سازی مدرن
تنظیم ترک تحصیل
شهود ترک تحصیل
تزریق نویز
خلاصه بخش تکنیک های منظم سازی مدرن
عادی سازی دسته ای
9 سخنرانی
مقدمه عادی سازی دسته ای
میانگین های هموار نمایی
تئوری عادی سازی دسته ای
نرمال سازی دسته ای Tensorflow (قسمت 1)
نرمال سازی دسته ای Tensorflow (قسمت 2)
نرمال سازی دسته ای Theano (قسمت 1)
نرمال سازی دسته ای Theano (قسمت 2)
چشم انداز نویز
خلاصه نرمال سازی دسته ای
کراس
3 سخنرانی
بحث کراس
کراس در کد
Keras Functional API
PyTorch
3 سخنرانی
مبانی PyTorch
خروج PyTorch
هنجار دسته ای PyTorch
PyTorch، CNTK و MXNet
1 سخنرانی
PyTorch، CNTK و MXNet
ضمیمه
14 سخنرانی
آپاندیس چیست؟
تفاوت بین "شبکه های عصبی" و "یادگیری عمیق" چیست؟
انتخاب دستی نرخ یادگیری و جریمه منظم سازی
راه اندازی محیط مبتنی بر ویندوز 2018
نحوه نصب Numpy، Scipy، Matplotlib، Pandas، IPython، Theano و TensorFlow
چگونه در این دوره موفق شویم (نسخه طولانی)
نحوه کدنویسی توسط خودتان (قسمت 1)
چگونه به تنهایی کدنویسی کنیم (قسمت 2)
آیا این برای مبتدیان است یا متخصصان؟ علمی یا عملی؟ سریع یا کند؟
اثبات اینکه استفاده از نوت بوک Jupyter همان استفاده نکردن از آن است
چگونه یک فایل .tar.gz را از حالت فشرده خارج کنیم
پایتون 2 در مقابل پایتون 3
دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 1)
دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 2)

نمایش سرفصل های انگلیسی

Modern Deep Learning in Python