در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این مجموعه آموزش یاد می گیرید که چطور شبکه های عصبی و دیپ لرنینگ چطور کار می کند و سپس استفاده از آن ها را در زبان R تجربه و تمرین خواهید کرد.
عنوان اصلی : Practical Neural Networks and Deep Learning in R
مقدمه دوره: مفاهیم کلیدی و ابزار نرم افزار:
معرفی
نصب R and R Studio
در داده های CSV و Excel بخوانید
در CSV آنلاین بخوانید
در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید
در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید
مقادیر از دست رفته را حذف کنید
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\
تجزیه و تحلیل داده های اکتشافی بیشتر با xda
تفاوت بین یادگیری تحت نظارت و بدون نظارت
مقدمه ای بر شبکه های عصبی مصنوعی (ANN):
نظریه پشت ANN (شبکه عصبی مصنوعی) و DNN (شبکه های عصبی عمیق)
شبکه عصبی برای طبقه بندی های باینری
شبکه عصبی با PCA 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
شبکه عصبی برای رگرسیون
اطلاعات بیشتر در مورد شبکه های عصبی - با شبکه عصبی
شناسایی اهمیت متغیرها در شبکه های عصبی
با شبکه عصبی عمیق (DNN) شروع کنید:
یک DNN ساده با شبکه عصبی برای طبقه بندی های باینری پیاده سازی کنید
یک DNN ساده با deepnet برای رگرسیون پیاده سازی کنید
بسته ای برای مدل سازی DNN در R-H2o
کار با داده های خارجی در H2o
یک ANN با H2o برای طبقه بندی نظارت شده چند کلاسه 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
شناسایی اهمیت متغیر
توابع فعال سازی چیست؟
یک DNN با H2o برای رگرسیون پیاده سازی کنید
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
ANN و DNN با بسته MXNet در R:
MXnet را در R و RStudio نصب کنید
یک طبقه بندی مبتنی بر ANN را با استفاده از MXNet پیاده سازی کنید
یک رگرسیون مبتنی بر ANN را با استفاده از MXNet اجرا کنید
یک طبقه بندی چند کلاسه مبتنی بر DNN با MXNet پیاده سازی کنید
دقت مدل DNN را ارزیابی کنید
MXNET را از طریق caret پیاده سازی کنید
شبکه های عصبی پیچشی (CNN):
CNN چیست؟
یک CNN برای طبقه بندی نظارت شده چند کلاسه اجرا کنید
اطلاعات بیشتر درباره دقت مدل CNN ما
CNN را روی تصاویر واقعی با MxNet پیاده سازی کنید
RNN با داده های زمانی
Practical Neural Networks and Deep Learning in R
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.
شبکه های عصبی عملی و دیپ لرنینگ در پایتون
Machine Learning on Google Cloud: Sequence and Text Models
Python Regression Analysis: Statistics & Machine Learning
آموزش برنامه نویسی پایتون برای کودکان و تازه کاران
موتور Google Earth را برای سنجش از راه دور و GIS کامل کنید
Complete Deep Learning In R With Keras & Others
Practical Financial Investment Analysis in R and tidyquant
Complete Keras Bootcamp For Deep Learning in Python
فیلم یادگیری Regression Analysis for Statistics and Machine Learning in R
Tensorflow Deep Learning – Data Science in Python
اطلاع رسانی حذف دوره های قدیمی و تخفیفات نوروزی مشاهده