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.
Communicating Data Insights
Combining and Shaping Data
Build GANs and Diffusion Models with TensorFlow and PyTorch
Kubernetes: زیرساخت به عنوان کد با Pulumi
شروع به کار با Apache Spark بر روی Azure Databricks
Learning Graph Neural Networks
Implementing Machine Learning Workflow with Weka
فیلم یادگیری کامل Evaluating a Data Mining Model
AI Workshop: Hands-on with GANs Using Dense Neural Networks
Predictive Analytics with PyTorch