در حال حاضر محصولی در سبد خرید شما وجود ندارد.
شبکه های عصبی عمیق، شبکه های عصبی کانولوشن، تشخیص شی، بینایی کامپیوتر، LSTM، صدور گواهینامه جریان تانسور
عنوان اصلی : Deep Learning Real World Projects & TensorFlow Certification
سرفصل های دوره :
شبکه های عصبی و چند لایه عمیق چند لایه Perceptron:
چند لایه Perceptron
DNN نشانه ها
آموزش یک مدل نورون تک
آموزش چند لایه Perceptron
Memoization
الگوریتم BackPropagation
توابع فعال سازی
Banishing Gradient مشکل
واحدهای خطی اصلاح شده (RELU)
شبکه های عصبی convunctional:
شبکه های عصبی کانولوشن (CNN)
تشخیص لبه
padding و stride
حداکثر جمع آوری
Convolution در تصاویر RGB
لایه کانولا در CNN
CNN مثال - لژ
جمع آوری داده ها
VGG 16 معماری
یادگیری انتقال
lstm:
نیاز به شبکه های عصبی مکرر
شبکه های عصبی مکرر (RNN)
نمایش جعبه RNN
آموزش RNN
نیاز به LSTM
نشانه های LSTM
LSTM 1
LSTM 2
gru
Deep Rnn
DiVirectional RNN
معرفی tensorflow:
Tensorflow & Tensor چیست؟
معرفی به Google Colab
ایجاد تانسور متغیرها
ایجاد تانسور اعداد تصادفی
ایجاد تانسور صفر و آنهایی که
ایجاد تانسور از آرایه Numpy
دریافت اطلاعات از تانسور
برش تانسور قسمت 1
برش تانسور قسمت 2
فقط آخرین ستون ها یک تانسور را تشکیل می دهند
گرفتن آخرین ردیف از یک تانسور
عملیات اساسی بر روی تانسور
ماتریس ضرب قسمت 1
Matchix Multiplation Part 2 - کد
تغییر یک تانسور
انتقال یک ماتریس
رگرسیون خطی با استفاده از شبکه های عصبی:
رگرسیون خطی
معماری شبکه عصبی رگرسیون خطی
مراحل مدل سازی در Tensorflow
ساخت اولین مدل شبکه عصبی ما
پیش بینی هزینه بیمه درمانی با استفاده از رگرسیون
طبقه بندی با استفاده از شبکه های عصبی:
طبقه بندی چیست؟
طبقه بندی دیابت
Deep Learning Real World Projects & TensorFlow Certification
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.
اطلاع رسانی حذف دوره های قدیمی و تخفیفات نوروزی مشاهده