آموزش یادگیری نظارت نشده بوسیله TensorFlow 2.0

در این دوره آموزشی قدم به قدم یادگیری نظارت نشده را بوسیله TensorFlow 2.0 یاد گرفته و همراه با مدرس دوره در پروژه های واقعی تجربه و تمرین خواهید کرد.

عنوان اصلی : Hands-On Unsupervised Learning with TensorFlow 2.0

سرفصل ها :

شروع با یادگیری بدون نظارت و TensorFlow 2.0:
بررسی اجمالی دوره
یادگیری ماشینی بدون نظارت و کاربردهای آن
نمای کلی TensorFlow 2.0
تنظیم محیط
خوشه بندی:
خوشه بندی چیست؟
K-Means Clustering
پیاده سازی خوشه بندی K-Means با استفاده از TensorFlow
خوشه بندی سلسله مراتبی
پیاده سازی خوشه بندی سلسله مراتبی با استفاده از پایتون
t-SNE
پیاده سازی خوشه بندی t-SNE با استفاده از پایتون
DBSCAN
پیاده سازی خوشه بندی DBSCAN با استفاده از پایتون
تجزیه و تحلیل مؤلفه اصلی:
PCA چیست؟
پیاده سازی PCA در مجموعه داده IRIS با استفاده از TensorFlow 2.0
تشخیص ناهنجاری:
تشخیص ناهنجاری و کاربردهای آن
پیاده سازی تشخیص ناهنجاری با استفاده از TensorFlow
رمزگذارهای خودکار:
رمزگذارهای خودکار و کاربردهای آنها
پیاده سازی AEs در مجموعه داده MNIST با استفاده از TensorFlow 2.0
شبکه های باور عمیق:
شبکه های باور عمیق و کاربردهای آنها
پیاده سازی شبکه های باور عمیق
شبکه های متخاصم مولد:
شبکه های متخاصم مولد و کاربردهای آنها
پیاده سازی GAN ها با استفاده از TensorFlow 2.0
ژنراتور
بهینه سازها
نقشه های خودسازماندهی:
خود سازماندهی نقشه ها و کاربردهای آنها
اجرای نقشه های خودسازماندهی بر روی مجموعه داده سرطان پستان