در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی یاد می گیرید که چطور از TensorFlow در Deep Learning تا شبکه های عصبی پیشرفته استفاده کنید.
عنوان اصلی : Deep Learning with TensorFlow: Applications of Deep Neural Networks to Machine Learning Tasks
یادگیری عمیق با TensorFlow: مقدمه
درس 1: مقدمه ای بر یادگیری عمیق
1.1 شبکه های عصبی و یادگیری عمیق
1.2 اجرای کد در این LiveLessons
1.3 یک شبکه عصبی مصنوعی مقدماتی
درس 2: یادگیری عمیق چگونه کار می کند
2.1 خانواده شبکه های عصبی عمیق و کاربردهای آنها
2.2 نظریه اساسی I - واحدهای عصبی
2.3 نظریه اساسی II - توابع هزینه، نزول گرادیان، و انتشار پس
2.4 زمین بازی TensorFlow - تجسم یک شبکه عمیق در عمل
2.5 مجموعه داده ها برای یادگیری عمیق
2.6 استفاده از نظریه شبکه عمیق در کد I
درس 3: شبکه های کانولوشن
3.1 نظریه اساسی III - مینی دسته ها، گرادیان های ناپایدار و اجتناب از برازش بیش از حد
3.2 استفاده از نظریه شبکه عمیق در کد II
3.3 مقدمه ای بر شبکه های عصبی کانولوشن برای تشخیص بصری
3.4 معماری ConvNet کلاسیک - LeNet-5
3.5 معماری ConvNet کلاسیک-AlexNet و VGGNet
3.6 TensorBoard و تفسیر خروجی های مدل
درس 4: مقدمه ای بر TensorFlow
4.1 مقایسه کتابخانه های پیشرو در یادگیری عمیق
4.2 مقدمه ای بر TensorFlow
4.3 برازش مدل ها در TensorFlow
4.4 شبکه های متراکم در TensorFlow
4.5 شبکه های کانولوشن عمیق در TensorFlow
درس 5: بهبود شبکه های عمیق
5.1 بهبود عملکرد و تنظیم فراپارامترها
5.2 چگونه پروژه یادگیری عمیق خود را بسازید
5.3 منابع برای خودآموزی
یادگیری عمیق با TensorFlow: خلاصه
نمایش و پنهان کردن بیشتر
Deep Learning with TensorFlow: Applications of Deep Neural Networks to Machine Learning Tasks
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.
