شبکه های عصبی عملی و دیپ لرنینگ در پایتون

راهنمای کامل شما برای اجرای Pytorch، Keras، الگوریتم های Tensorflow: شبکه های عصبی و یادگیری عمیق در پایتون

عنوان اصلی : Practical Neural Networks and Deep Learning in Python

سرفصل های دوره :

مقدمه ای بر دوره:
داده ها و اسکریپت ها
محیط Ipython
مقدمه ای به بسته های علوم پتون رایج:
Python Packages for Data Data
ایجاد آرایه های numpy
عملیات numpy
numpy برای ارزیابی پایه بردار
numpy برای محاسبات ماتریس پایه
Pandas: پانداها چیست؟
اطلاعات CSV را بخوانید
داده های اکسل را بخوانید
اکتشاف داده های پایه با پانداها
مبانی نظری شبکه های عصبی مصنوعی (ANN) و یادگیری عمیق (DL):
نظریه ای که در پشت Ann (شبکه عصبی مصنوعی) و DNN (شبکه های عصبی عمیق)
Perceptrons برای طبقه بندی باینری
ANN برای طبقه بندی باینری
توابع فعال سازی چیست؟ تئوری
بیشتر در مورد بازگشت به عقب
طبقه بندی چند برچسب با MLP
رگرسیون با MLP
سایر معیارهای دقت
مقدمه ای به اطلاعات مصنوعی Python Packages: Pytorch:
شروع با H20
به Tensorflow خوش آمدید
نصب Tensorflow
Tensors چیست؟
معرفی به نمودارهای محاسباتی
عملیات Tensorflow مشترک
به Keras خوش آمدید
نصب Keras در ویندوز 10
نصب Keras در سیستم عامل Mac
دستورالعمل های نوشته شده
چرا پودرچ؟
نصب Pytorch
مبانی Pytorch: تانسور چیست؟
کاوش تانسور Pytorch و آرایه های numpy
برخی از عملیات تانسور پایه Pytorch
پیاده سازی Ann با پایتون:
پیاده سازی چند لایه Perceptron (MLP) با Tensorflow
چند لایه Perceptron (MLP) با Keras
Keras MLP برای طبقه بندی باینری
Keras MLP برای طبقه بندی چند منظوره
Keras MLP برای رگرسیون
پیاده سازی Ann با H2O
Syntax Pytorch Ann
تنظیم تجزیه Ann با Pytorch
چگونه اجزای مختلف شبکه های عصبی به هم می آیند: مثال Pytorch
اجرای DNNS با پایتون:
شبکه عصبی عمیق (DNN) طبقه بندی کننده با Tensorflow
شبکه عصبی عمیق (DNN) طبقه بندی کننده با پیش بینی های مخلوط
شبکه عصبی عمیق (DNN) رگرسیون با tensorflow
یادگیری گسترده و عمیق (Tensorflow)
طبقه بندی DNN با Keras
DNN Classifier با Keras مثال 2
DNN Classifier با H2O
DNN تجزیه و تحلیل با Pytorch
DNNS بیشتر
DNNS برای شناسایی تقلب کارت اعتباری
strong> unterpervised یادگیری با یادگیری عمیق:
autoencoders برای طبقه بندی Unspervised
autoencoders در Tensorflow (مشکل کلاس دودویی)
autoencoders در Tensorflow (کلاس های متعدد)
AutoEncoders در Keras (محدودیت های تقریبی)
autoencoders در Keras (ساده)
EUTOCTODER عمیق با KERAS
denoise
کار با داده های تصویر و دید کامپیوتر:
تصاویر چه هستند؟
در تصاویر در Python بخوانید
برخی از تبدیل تصویر اولیه
تغییر اندازه تصویر پایه
شبکه های عصبی کانولاسیون (CNN):
CNN ها چه هستند؟
پیاده سازی CNN برای طبقه بندی تحت نظارت چند طبقه
توابع فعال سازی چیست؟
بیشتر در CNN
پیش نیاز برای کار با داده های تصویر
CNN بر روی داده های تصویر بخش 1
CNN بر روی داده های تصویر بخش 2
اجرای CNN با tflearn
گردش کار CNN برای Keras
CNN با keras
CNN در داده های تصویر با Keras-Part 2
یادگیری انتقال:
نظریه یادگیری پشتی
اجرای یک مدل inceptionv3 بر روی تصاویر واقعی
سخنرانی های متفرقه:
معرفی Github