هوش مصنوعی با یادگیری ماشینی، یادگیری عمیق

هوش مصنوعی (AI) با یادگیری ماشین پایتون و یادگیری عمیق پایتون، یادگیری انتقال، tensorflow

عنوان اصلی : Artificial Intelligence with Machine Learning, Deep Learning

سرفصل های دوره :

معرفی هوش مصنوعی با یادگیری ماشین و یادگیری عمیق:
اصطلاحات یادگیری ماشین
FQA درباره هوش مصنوعی: یادگیری ماشین و یادگیری عمیق
معیارهای ارزیابی در یادگیری ماشین:
ارزیابی عملکرد: معیارهای خطای طبقه بندی در یادگیری ماشین
ارزیابی عملکرد: معیارهای خطای رگرسیون در یادگیری ماشین
یادگیری ماشین با پایتون
آموزش تحت نظارت:
نظارت بر یادگیری نظارت
strong> unterpervised learning:
Operpervised Overview Overview
اصول یادگیری ماشین:
تاریخچه یادگیری ماشین
دستگاه تورینگ و تست تورینگ
یادگیری عمیق چیست؟
نمایندگی های یادگیری از داده ها
گردش کار ماشین یادگیری
روش یادگیری ماشین
روش های یادگیری نظارت بر ماشین - 2
روش های یادگیری ماشین نظارت - 3
روش های یادگیری ماشین نظارت - 4
واریانس تعصب تجارت
K نزدیکترین الگوریتم همسایگان
روش های یادگیری بدون نظارت
تجزیه و تحلیل مولفه اصلی
الگوریتم توصیه شده سیستم
جمع آوری داده ها
پیش پردازش داده ها
انتخاب الگوریتم مناسب و مدل
آموزش و تست مدل
ارزیابی
شبکه عصبی مصنوعی:
ann چیست؟
Anatomy شبکه عصبی
بهینه سازان در AI
Tensorflow چیست؟
شبکه عصبی کانولوشن:
CNN چیست؟
شبکه عصبی مکرر و LTSM:
درک شبکه های RNN و LSTM
یادگیری انتقال:
یادگیری انتقال چیست؟
در سرزمین های خارجی: علوم اطلاعات:
علم داده چیست؟
سواد اطلاعاتی در علوم داده
با استفاده از numpy برای دستکاری داده ها:
چیست؟
چرا numpy؟