مفاهیم اساسی سواد دیپ لرنینگ

یادگیری عمیق شاخه ای از یادگیری ماشین بر اساس شبکه های عصبی است. در این دوره، ملزومات سواد آموزی: مفاهیم هسته ای عادی سازی داده ها، شما یاد خواهید گرفت که از نرمال سازی استفاده کنید تا مجموعه داده های خود را در یک میدان حتی بازی قرار دهید تا بتوان آن را به راحتی تجزیه و تحلیل کنید. اول، شما درک می کنید که چرا عادی سازی در یادگیری عمیق و در یادگیری ماشین به طور کلی مورد نیاز است. بعد، شما تکنیک های مختلف عادی سازی موجود در یادگیری عمیق را کشف خواهید کرد. در نهایت، شما خواهید آموخت که چگونه این تکنیک ها را با نگاهی به سناریوها پیاده سازی کنید. هنگامی که شما با این دوره به پایان رسید، مهارت و دانش مفاهیم اصلی عادی سازی داده ها را برای درک یادگیری عمیق خواهید داشت.

عنوان اصلی : Literacy Essentials-core Concepts

سرفصل های دوره :

01. بررسی دوره:
001. مرور دوره
02. درک ریاضیات پشت سر همبستگی:
002. مقدمه ای بر دوره
003. تشخیص یک نورون
004. Backpropagation در شبکه عصبی
005. نمای کلی دموکراسی از الگوریتم Backpropagation
006. خلاصه
03. درک شبکه عصبی مکرر:
007. مقدمه ای بر RNN
008. BPTT Backpropagation از طریق زمان
009. انواع توابع فعال سازی
010. نسخه ی نمایشی از شبکه عصبی مکرر
011. خلاصه
04. درک تفاوت بین LSTM و GRU:
012. مسائل با RNN
013. lstm vs. gru
014. اجرای نسخه ی نمایشی LSTM و GRU
015. خلاصه
05. پیاده سازی برنامه های مبتنی بر RNN:
016. موارد استفاده از زمان واقعی استفاده از RNN
017. نسخه ی نمایشی با استفاده از RNN برای تجزیه و تحلیل احساسات
018. نسخه ی نمایشی با استفاده از RNN برای نسل متن
019. خلاصه