در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این مجموعه آموزش برنامه نویسی پروژه های Deep Learning را یاد گرفته ، همراه با مدرس دوره تمرین خواهید کرد.
عنوان اصلی : Udacity Deep Learning Foundation v1.0.0
قسمت 01-ماژول 01-درس 01_خوش آمدید
قسمت 01-ماژول 01-درس 02_آناکوندا
قسمت 01-ماژول 01-درس 03_نوت بوک های ژوپیتر
قسمت 01-ماژول 01-درس 04_کاربرد یادگیری عمیق
قسمت 01-ماژول 02-درس 01_رگرسیون
قسمت 01-ماژول 03-درس 01_Matrix Math and NumPy Refresher
قسمت 01-ماژول 03-درس 02_مقدمه ای بر شبکه های عصبی
قسمت 01-ماژول 03-درس 03_اولین شبکه عصبی شما
قسمت 02-ماژول 01-درس 01_ارزیابی و اعتبارسنجی مدل
قسمت 02-ماژول 02-درس 01_تحلیل احساسات با اندرو تراسک
قسمت 02-ماژول 02-درس 02_مقدمه TFLearn
قسمت 02-ماژول 02-درس 03_آمادگی برای درس سراج
قسمت 02-ماژول 03-درس 01_MiniFlow
قسمت 02-ماژول 04-درس 01_رایانش ابری
قسمت 02-ماژول 04-درس 02_مقدمه ای بر تنسورفلو
قسمت 02-ماژول 05-درس 01_شبکه های عصبی عمیق
قسمت 02-ماژول 05-درس 02_شبکه های کانولوشن
قسمت 02-ماژول 05-درس 03_طبقه بندی تصاویر سراج
قسمت 02-ماژول 05-درس 04_طبقه بندی تصویر
قسمت 03-ماژول 01-درس 01_مقدمه ای بر شبکه های عصبی تکراری
قسمت 03-ماژول 01-درس 02_پیش بینی سهام سراج
قسمت 03-ماژول 01-درس 03_Hyperparameters
قسمت 03-ماژول 02-درس 01_Embeddings و Word2vec
قسمت 03-ماژول 02-درس 02_انتقال سبک سراج
قسمت 03-ماژول 02-درس 03_Q&A با بنیانگذاران FloydHub
قسمت 03-ماژول 03-درس 01_TensorBoard
قسمت 03-ماژول 03-درس 02_نسل موسیقی سراج
قسمت 03-ماژول 04-درس 01_خلاصه متن سراج
قسمت 03-ماژول 04-درس 02_راه اندازی وزن
قسمت 03-ماژول 04-درس 03_پیش بینی احساسات RNN
قسمت 03-ماژول 04-درس 04_تولید اسکریپت های تلویزیونی
قسمت 03-ماژول 05-درس 01_آموزش انتقال در تنسورفلو
قسمت 03-ماژول 05-درس 02_ترجمه زبان سراج
قسمت 03-ماژول 06-درس 01_توالی به دنباله
قسمت 03-ماژول 06-درس 02_چت ربات سراج
قسمت 03-ماژول 07-درس 01_یادگیری تقویتی
قسمت 03-ماژول 07-درس 02_آموزش تقویتی سراج
قسمت 03-ماژول 07-درس 03_پروژه ترجمه
قسمت 03-ماژول 08-درس 01_تولید تصویر سراج
قسمت 03-ماژول 08-درس 02_Autoencoders
قسمت 04-ماژول 01-درس 01_شبکه های متخاصم مولد
قسمت 04-ماژول 01-درس 02_نسل ویدیو سراج
قسمت 04-ماژول 02-درس 01_آموزش تک شات سراج
قسمت 04-ماژول 02-درس 02_Hyperparameters
قسمت 04-ماژول 02-درس 03_GAN های کانولوشن عمیق
قسمت 04-ماژول 02-درس 04_تولید چهره ها
قسمت 04-ماژول 02-درس 05_یادگیری نیمه نظارتی
قسمت 05-ماژول 01-درس 01_ثبت نام در برنامه بعدی Nanodegree
قسمت 06-ماژول 01-درس 01_به Deep Learning خوش آمدید
قسمت 06-ماژول 01-درس 02_کاربرد یادگیری عمیق
قسمت 06-ماژول 01-درس 03_آناکوندا
قسمت 06-ماژول 01-درس 04_نوت بوک های ژوپیتر
قسمت 06-ماژول 01-درس 05_Matrix Math and NumPy Refresher
قسمت 07-ماژول 01-درس 01_مقدمه ای بر شبکه های عصبی
قسمت 07-ماژول 01-درس 02_اجرای گرادیان نزول
قسمت 07-ماژول 01-درس 03_آموزش شبکه های عصبی
قسمت 07-ماژول 01-درس 04_تحلیل احساسات
قسمت 07-ماژول 01-درس 05_Keras
قسمت 07-ماژول 01-درس 06_TensorFlow
قسمت 08-ماژول 01-درس 01_رایانش ابری
قسمت 08-ماژول 01-درس 02_CNNs in TensorFlow
قسمت 08-ماژول 01-درس 03_راه اندازی وزن
قسمت 08-ماژول 01-درس 04_شبکه های عصبی کانولوشن
قسمت 08-ماژول 01-درس 05_Autoencoders
قسمت 08-ماژول 01-درس 06_آموزش انتقال در تنسورفلو
قسمت 08-ماژول 01-درس 07_آموزش عمیق برای تشخیص سرطان با سباستین ترون
قسمت 08-ماژول 02-درس 01_CNN Project Dog Breed Classifier
قسمت 09-ماژول 01-درس 01_شبکه های عصبی تکراری
قسمت 09-ماژول 01-درس 02_شبکه های حافظه کوتاه مدت بلند مدت (LSTM)
قسمت 09-ماژول 01-درس 03_پیاده سازی RNN و LSTM
قسمت 09-ماژول 01-درس 04_Hyperparameters
قسمت 09-ماژول 01-درس 05_Embeddings و Word2vec
قسمت 09-ماژول 01-درس 06_پیش بینی احساسات RNN
قسمت 10-ماژول 01-درس 01_شبکه های متخاصم مولد
قسمت 10-ماژول 01-درس 02_GAN های کانولوشن عمیق
قسمت 10-ماژول 01-درس 03_یادگیری نیمه نظارتی
قسمت 11-ماژول 01-درس 01_مقدمه ای بر RL
قسمت 11-ماژول 01-درس 02_چارچوب RL The Problem
قسمت 11-ماژول 01-درس 03_چارچوب RL The Solution
قسمت 11-ماژول 01-درس 04_برنامه نویسی پویا
قسمت 11-ماژول 01-درس 05_روش های مونت کارلو
قسمت 11-ماژول 01-درس 06_روش های زمانی-تفاوت
قسمت 11-ماژول 01-درس 07_حل کار OpenAI Gym's Taxi-v2
قسمت 11-ماژول 01-درس 08_RL در فضاهای پیوسته
قسمت 11-ماژول 01-درس 09_آموزش عمیق Q
قسمت 11-ماژول 01-درس 10_روش های مبتنی بر سیاست
قسمت 11-ماژول 01-درس 11_بازیگر-روش های انتقادی
قسمت 11-ماژول 02-درس 01_آموزش کوادکوپتر چگونه پرواز کند
Udacity Deep Learning Foundation v1.0.0
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.
اطلاع رسانی حذف دوره های قدیمی و تخفیفات نوروزی مشاهده