در حال حاضر محصولی در سبد خرید شما وجود ندارد.
استاد چگونه یادگیری ماشین و الگوریتم های یادگیری عمیق و کتابخانه ها تحت کاپوت با نمونه های عملی کار می کنند.
عنوان اصلی : Building your own Neural Network from Scratch with Python
سرفصل های دوره :
مقدمه:
معرفی عمومی
Programming Python ضروری:
نصب پایتون
متغیرها و اپراتورهای اساسی
اظهارات شرطی
loops
روش ها
اشیاء و کلاس ها
بیش از حد اپراتور
انواع روش
Encapsulation
پلی مورفیسم
تزئینات
ژنراتورها
بسته numpy
معرفی به Matplotlib
مقدمه ای بر یادگیری ماشین:
داده ها - چرخه عمر یادگیری ماشین
مدل - چرخه عمر یادگیری ماشین
ERROR SRANTIONING - چرخه عمر یادگیری ماشین
رگرسیون خطی
رگرسیون لجستیک
رگرسیون لجستیک تمرین
بهینه سازی
اندازه گیری عملکرد
اعتبار سنجی و تست
رگرسيون Softmax:
داده ها
مدل سازی
خطا در تحریم
آموزش و بهینه سازی
اندازه گیری عملکرد
شبکه های عصبی:
خطا در تحریم
آموزش و بهینه سازی
تمرین آموزش و بهینه سازی
اندازه گیری عملکرد
اعتبار سنجی و تست
حل بیش از حد و زیرزمینی
shuffling
Ensembling
مقدار اولیه وزن
عدم تعادل اطلاعات
میزان فرسایش یادگیری
Normalization
تنظیم HyperParameter
Building your own Neural Network from Scratch with Python
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.
یادگیری عمیق برای دید رایانه ای با Tensorflow 2
Deep Learning Image Generation with GANs and Diffusion Model
Deep Learning : Image Classification with Tensorflow in 2023
Deep Learning Object Detection by Training & Deploying YOLOX
Optical Character Recognition for Table Extraction from PDF
Deep Learning: NLP for Sentiment analysis & Translation 2023