آموزش پیاده سازی یادگیری ماشینی در زبان پایتون با PyTorch

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با PyTorch یاد می گیرید.

عنوان اصلی : Machine Learning with PyTorch

سرفصل ها :

00001 0.0 معرفی دوره
00002 0.1 مقدمه درس
00003 0.2 نصب دروس و پلتفرم
00004 اهداف آموزشی
00005 1.1 درک دوره در سطح بالا
00006 1.2 تکنیک های مورد استفاده در یادگیری ماشین را شرح دهید
00007 1.3 کتابخانه های مورد استفاده در یادگیری ماشین را شرح دهید
00008 1.4 تفاوت بین یادگیری عمیق و سایر تکنیک های ML را درک کنید
00009 1.5 از مفاهیم اضافی در ML استفاده کنید
00010 1.6 انواع لایه های شبکه و عملکردهای فعال سازی را بدانید
00011 1.7 معیارها را درک کنید
00012 اهداف آموزشی
00013 2.1 انجام یک کار در scikit-learn
00014 2.2 یک کار را در Keras با TensorFlow انجام دهید
00015 2.3 انجام یک کار در PyTorch
00016 2.4 طبقه بندی یک تصویر با PyTorch
00017 اهداف آموزشی
00018 3.1 از رابط های autograd و NumPy از تانسورها استفاده کنید
00019 3.2 یک شبکه عصبی سطح پایین ایجاد کنید
00020 3.3 پیاده سازی یک شبکه عصبی با torch.nn
00021 3.4 درک اینکه چرا سوگیری مهم است
00022 3.5 سایر ابزارهای مشعل را شناسایی کنید
00023 اهداف آموزشی
00024 4.1 یک طبقه بندی کننده ویژگی ساده ایجاد کنید - قسمت 1
00025 4.2 یک طبقه بندی کننده ویژگی ساده ایجاد کنید - قسمت 2
00026 4.3 یک طبقه بندی کننده تصویر ایجاد کنید
00027 4.4 از پیش بینی رگرسیون استفاده کنید
00028 4.5 خوشه بندی را با PyTorch انجام دهید
00029 4.6 استفاده از شبکه های متخاصم مولد -- قسمت 1
00030 4.7 استفاده از شبکه های متخاصم مولد -- قسمت 2
00031 4.8 از بخشی از برچسب گفتار استفاده کنید
00032 اهداف آموزشی
00033 5.1 با torchvision.models شروع کنید
00034 5.2 بازآموزی مدل های از پیش آموزش دیده
00035 5.3 اصلاح لایه های شبکه
00036 یادگیری ماشین با PyTorch - خلاصه