وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود

سرفصل های دوره

در این دوره آموزشی پردازش Real-Time داده ها را به شکل پردازش زبان طبیعی و با استفاده از مدلهای Sequence یاد می گیرید. 

عنوان اصلی : Sequence Models for Time Series and Natural Language Processing on Google Cloud

سرفصل ها :

مقدمه آزمایشگاه: استفاده از DNN برای دنباله ها
راه حل آزمایشگاهی: استفاده از مدل های خطی برای دنباله ها
توالی داده ها و مدل ها
پیش بینی سری زمانی با مدل خطی
معرفی دوره
مدلسازی توالی با DNN
مشکل طول متغیر
مدل سازی توالی با مدل های خطی
راه حل آزمایشگاهی: استفاده از CNN برای دنباله ها
پیش بینی سری زمانی با مدل CNN
شروع کار با GCP و Qwiklabs
مدلسازی توالی با CNN
از دنباله ها تا ورودی ها
مقدمه آزمایشگاه: استفاده از مدل های خطی برای دنباله ها
راه حل آزمایشگاهی: استفاده از DNN برای دنباله ها
مقدمه آزمایشگاه: استفاده از CNN برای دنباله ها
پیش بینی سری زمانی با مدل DNN
مشکل گرادیان ناپدید شدن
چگونه RNN ها گذشته را نشان می دهند
محدودیت های آنچه که RNN ها می توانند نشان دهند
معرفی شبکه های عصبی بازگشتی
RNN ها در TensorFlow
راه حل آزمایشگاهی: پیش بینی سری زمانی: انتها به انتها (rnn2)
معرفی آزمایشگاه: پیش‌بینی سری زمانی: انتها به انتها (rnn2)
معرفی آزمایشگاه: پیش‌بینی سری زمانی: انتها به انتها (rnn)
بهبود عملکرد ضرر ما
پیش‌بینی سری زمانی با مدل RNN دو لایه
مقدمه آزمایشگاه: پیش بینی سری زمانی - دما از داده های آب و هوا
LSTM و GRU
یک مدل RNN برای داده های دما
راه حل آزمایشگاهی: پیش بینی سری زمانی: انتها به انتها (rnn)
کار با داده های واقعی
نسخه ی نمایشی: پیش بینی سری زمانی: انتها به انتها (rnnN)
RNN های عمیق
راه حل آزمایشگاهی: پیش بینی سری زمانی-دما از داده های آب و هوا
پیش بینی سری زمانی با مدل RNN
معرفی
خلاصه
خلاصه
نسخه ی نمایشی: طبقه بندی متن با Native TensorFlow
راه حل آزمایشگاهی: طبقه بندی متون
انتخاب یک مدل
معرفی آزمایشگاه: طبقه بندی متون
طبقه بندی متن با استفاده از TensorFlow/Kera در پلتفرم هوش مصنوعی
پایتون در مقابل تنسورفلو بومی
طبقه بندی متن
کار با متن
با استفاده از تعبیه‌های از پیش آموزش‌دیده شده با TensorFlow Hub
روش های مدرن ساخت جاسازی کلمات
روش های تاریخی ساخت جاسازی کلمات
معرفی TensorFlow Hub
استفاده از TensorFlow Hub در یک برآوردگر
معرفی آزمایشگاه: ارزیابی یک جاسازی از پیش آموزش‌دیده از TensorFlow Hub
راه حل آزمایشگاهی: TensorFlow Hub
ترجمه AutoML
معرفی شبکه های رمزگذار-رمزگشا
شبکه های توجه
راه حل آزمایشگاهی: شعر ابری: آموزش مدل های متن سفارشی در موتور ابری ML
تولید متن با استفاده از tensor2tensor در پلتفرم Cloud AI
جریان گفتگو
معرفی Tensor2Tensor
معرفی آزمایشگاه: شعر ابری: آموزش مدل‌های متن سفارشی در موتور ML ابری
معرفی آزمایشگاه: معرفی Dialogflow
راه حل آزمایشگاهی: Dialogflow
آموزش مدل های رمزگذار-رمزگشا با TensorFlow
شروع کار با Dialogflow
خلاصه

نمایش سرفصل های انگلیسی

Sequence Models for Time Series and Natural Language Processing on Google Cloud

139,000 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
خرید دانلودی فوری

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.

ایمیل شما:
تولید کننده:
مدرس:
شناسه: 22020
حجم: 1437 مگابایت
مدت زمان: 272 دقیقه
تعداد دیسک: 1 عدد
زبان: انگلیسی ساده و روان
تاریخ انتشار: 17 خرداد 1399
آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود
آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود 1
آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود 2
آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود 3
آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود 4
آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود 5
آموزش مدلهای Sequence در پردازش زبان طبیعی در گوگل کلود 6
دسته بندی محصول
طراحی سایت و خدمات سئو

139,000 تومان
افزودن به سبد خرید