فیلم یادگیری Deep Learning with Tensorflow, Keras and PyTorch

در این دوره آموزشی یاد می گیرید که چطور با Tensorflow, Keras and PyTorch  می توانید پروژه های دیپ لرنینگ انجام دهید.

عنوان اصلی : Deep Learning with Tensorflow, Keras and PyTorch LiveLessons (Video Training), 2nd Edition

سرفصل ها :

1 - آموزش عمیق با TensorFlow، Keras و PyTorch مقدمه
2 - موضوعات
3 - 1.1 شبکه های عصبی، یادگیری ماشین و هوش مصنوعی -- قسمت 1
4 - 1.2 شبکه های عصبی، یادگیری ماشین و هوش مصنوعی -- قسمت 2
5 - 1.3 مقدمه ای بصری بر یادگیری عمیق -- قسمت 1
6 - 1.4 مقدمه ای بصری بر یادگیری عمیق -- قسمت 2
7 - زمین بازی TensorFlow 1.5 - تجسم یک شبکه عمیق در عمل
8 - 1.6 اجرای نمونه کدهای دستی در نوت بوک های Jupyter
9 - 1.7 یک شبکه عصبی مقدماتی با TensorFlow و Keras -- قسمت 1
10 - 1.8 یک شبکه عصبی مقدماتی با TensorFlow و Keras -- قسمت 2
11 - موضوعات
12 - 2.1 واحدهای عصبی -- قسمت 1
13 - 2.2 واحدهای عصبی -- قسمت 2
14 - 2.3 شبکه های عصبی -- قسمت 1
15 - 2.4 شبکه های عصبی -- قسمت 2
16 - 2.5 آموزش شبکه های عصبی عمیق -- قسمت 1
17 - 2.6 آموزش شبکه های عصبی عمیق -- قسمت 2
18 - 2.7 آموزش شبکه های عصبی عمیق -- قسمت 3
19 - 2.8 یک شبکه عصبی متوسط با TensorFlow و Keras
20 - موضوعات
21 - 3.1 وزن اولیه
22 - 3.2 گرادیان های ناپایدار و عادی سازی دسته ای
23 - 3.3 تعمیم مدل -- اجتناب از برازش بیش از حد
24 - 3.4 بهینه سازهای فانتزی
25 - 3.5 یک شبکه عصبی عمیق با TensorFlow و Keras
26 - 3.6 مدل های رگرسیون
27 - 3.7 TensorBoard و تفسیر خروجی های مدل
28 - موضوعات
29 - 4.1 لایه های کانولوشنال
30 - 4.2 یک ConvNet با TensorFlow و Keras
31 - 4.3 برنامه های ماشین بینایی
32 - موضوعات
33 - 5.1 مقایسه کتابخانه های پیشرو در یادگیری عمیق
34 - 5.2 یادگیری عمیق با PyTorch -- قسمت 1
35 - 5.3 یادگیری عمیق با PyTorch -- قسمت 2
36 - 5.4 تنظیم فراپارامتر
37 - 5.5 مجموعه داده برای یادگیری عمیق و منابع برای خودآموزی
38 - خلاصه یادگیری عمیق با TensorFlow، Keras و PyTorch