در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی با Apache MXNet آشنا شده و یاد می گیرید که چطور به کمک آن می توانید مدل های دیپ لرنینگ لازم برای پیاده سازی هوش مصنوعی و یادگیری ماشینی را بسازید.
عنوان اصلی : Building Deep Learning Models Using Apache MXNet
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
نورون ها و شبکه های عصبی
معرفی Apache MXNet
نسخه ی نمایشی: نصب Apache MXNet
برنامه نویسی نمادین و امری
معرفی NDArays
نسخه ی نمایشی: کار با NDArays
نسخه ی نمایشی: عملیات پیشرفته در NDArays
بهینه سازی گرادیان نزولی
پاس های جلو و عقب
نمای کلی ماژول
معرفی Symbol API
نسخه ی نمایشی: نمودارهای محاسباتی با استفاده از Symbol API
نسخه ی نمایشی: تکرار کننده های داده
معرفی Module API
نسخه ی نمایشی: کاوش مجموعه داده های سرطان سینه و راه اندازی NN
نسخه ی نمایشی: آموزش و پیش بینی با استفاده از API ماژول
نسخه ی نمایشی: برآوردگرها در API ماژول
نمای کلی ماژول
معرفی Gluon API
معرفی بسته Autograd برای محاسبه گرادیان
نسخه ی نمایشی: کار با Autograd
Convolution، Pooling و CNN Architectures
تکنیک های پیش پردازش تصویر
نسخه ی نمایشی: بارگیری، کاوش، و تبدیل مجموعه داده CIFAR-10
نسخه ی نمایشی: ساخت و آموزش CNN با استفاده از Gluon API
نسخه ی نمایشی: ترکیبی از شبکه عصبی برای اجرای نمادین
آموزش انتقالی
باغ وحش مدل گلوون
نسخه ی نمایشی: طبقه بندی تصاویر با استفاده از یک مدل از پیش آموزش دیده
خلاصه و مطالعه بیشتر
Building Deep Learning Models Using Apache MXNet
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.
فیلم یادگیری Deploying PyTorch Models in Production: PyTorch Playbook
Applying the Mathematical MASS Model with R
آموزش پیاده سازی روشهای کلاسترینگ با Scikit-learn
Implementing Machine Learning Workflow with RapidMiner
Learning H20.ai
آموزش کار با Tensorflow 2.0
فیلم یادگیری کامل Evaluating a Data Mining Model
Deploying Containerized Workloads Using Google Cloud Kubernetes Engine
AI Workshop: Hands-on with GANs Using Dense Neural Networks
آموزش حل مشکلات پیچیدگی داده ها