در حال حاضر محصولی در سبد خرید شما وجود ندارد.
شبکه های عصبی عمیق، شبکه های عصبی کانولوشن، شبکه های عصبی مکرر، LSTM، GRU، Tensorflow
عنوان اصلی : Advanced Deep Learning With TensorFlow
سرفصل های دوره :
مقدمه ای بر شبکه های عصبی و چند لایه عمیق چند لایه Perceptron:
چند لایه Perceptron
نشانه های شبکه عصبی عمیق
آموزش یک مدل نورون تک
Memoization
الگوریتم BackPropagation
توابع فعال سازی
Banishing Gradient مشکل
واحد خطی اصلاح شده (RELU)
شبکه های عصبی convunctional:
معرفی شبکه های عصبی کانولوشن (CNNS)
تشخیص لبه
PADDING و STRIDES
حداکثر جمع آوری
Convolution در تصاویر RGB
لایه کانولا در CNN
CNN مثال - لژ
جمع آوری داده ها
معماری VGG16
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
lstm1
lstm2
gru
Deep Rnn
DiVirectional RNN
معرفی tensorflow:
Tensor & Tensorflow چیست؟
معرفی به Google Colab
ایجاد تانسور ثابت
ایجاد تانسور متغیرها
ایجاد تانسور اعداد تصادفی
ایجاد تانسور صفر و آنهایی که
ایجاد تانسور از آرایه های numpy
دریافت اطلاعات از تانسور
Tensor Slicing Part2
گرفتن آخرین ستون از یک تانسور
گرفتن آخرین ردیف از یک تانسور
عملیات اساسی در تانسور
ماتریس ضرب قسمت 1
Matchix Multiplation Part 2 - کد
تغییر یک تانسور
انتقال یک ماتریس
رگرسیون خطی با استفاده از شبکه های عصبی:
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
Advanced Deep Learning With TensorFlow
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.