×
ribbon

پایتون برای یادگیری عمیق - ساخت شبکه های عصبی با پایتون

مدرس:Udemy

Meta Brains

پایتون برای یادگیری عمیق: ساخت شبکه‌های عصبی با TensorFlow و Keras

جدید
زیرنویس
32دانشجو
2ساعت
سرفصل‌ها
مقدماتی سطح دوره
بروزرسانیشهریور ۱۴۰۵
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

درک مبانی تئوری یادگیری عمیق و مفاهیم پایه شبکه‌های عصبی

استفاده عملی از فریم‌ورک‌های پایتون برای پیاده‌سازی مدل‌های یادگیری عمیق

ساخت و آموزش مدل‌های پیش‌بینی با رگرسیون‌های خطی، چندجمله‌ای و چندمتغیره

طراحی و پیاده‌سازی شبکه‌های عصبی با استفاده از تنسورفلو و کیراس

این دوره شامل:

2 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

10 فصل57 جلسه2 ساعت ویدیو
مقدمه‌ای بر یادگیری عمیق
  یادگیری عمیق چیست؟
03:13
  چرا یادگیری عمیق اهمیت دارد؟
01:48
  نرم‌افزار و چارچوب‌ها
00:55
شبکه‌های عصبی مصنوعی (ANN)
  مقدمه
01:21
  آناتومی و عملکرد نورون‌ها
01:22
  مقدمه‌ای بر شبکه عصبی
03:19
  معماری یک شبکه عصبی
01:49
انتقال اطلاعات در شبکه‌های عصبی مصنوعی
  شبکه‌های فید-فوروارد و بازپراکنش
01:20
  پس‌انتشار خطا در شبکه‌های عصبی
00:51
  بهینه‌سازی تابع هزینه با استفاده از پس‌انتشار
01:26
معماری‌های شبکه‌های عصبی
  مدل پرسپترون یک‌لایه (SLP)
01:07
  شبکه پایه شعاعی (RBN)
00:56
  شبکه عصبی پرسپترون چندلایه (MLP)
00:54
  شبکه‌های عصبی بازگشتی (RNN)
01:20
  شبکه‌های حافظه طولانی‌مدت (LSTM)
01:33
  شبکه عصبی هوپفیلد
01:10
  شبکه عصبی بولتزمن
00:56
توابع فعال‌سازی
  تابع فعال‌سازی چیست؟
01:57
  اصطلاحات مهم
00:51
  تابع سیگموئید
02:04
  تابع تانژانت هایپربولیک
01:18
  تابع سافت‌مکس
00:55
  تابع واحد خطی اصلاح‌شده (ReLU)
01:28
  تابع واحد خطی اصلاح‌شده با شیب نفوذی
01:00
الگوریتم نزول گرادیان
  گرادیان نزولی چیست؟
02:01
  گرادیان نزولی تصادفی چیست؟
01:56
  گرادیان نزولی در برابر گرادیان نزولی تصادفی
00:52
مرور کلی شبکه‌های عصبی
  نحوه عملکرد شبکه‌های عصبی مصنوعی
03:32
  مزایای شبکه‌های عصبی
01:06
  معایب شبکه‌های عصبی
00:47
  کاربردهای شبکه‌های عصبی
01:50
پیاده‌سازی شبکه‌های عصبی مصنوعی در پایتون
  مقدمه
00:45
  بررسی مجموعه داده
01:19
  بیان مسئله
00:44
  پیش‌پردازش داده‌ها
03:44
  بارگذاری مجموعه داده
01:48
  تقسیم مجموعه داده به متغیرهای مستقل و وابسته
03:16
  رمزگذاری برچسب با استفاده از scikit-learn
04:48
  رمزگذاری یک‌گره‌ای با استفاده از scikit-learn
06:27
  تقسیم مجموعه داده‌های آموزشی و آزمون
03:51
  مقیاس‌گذاری ویژگی‌ها
03:54
  ساخت شبکه عصبی مصنوعی
02:05
  افزودن لایه ورودی و نخستین لایه پنهان
03:08
  افزودن لایه پنهان بعدی
01:21
  افزودن لایه خروجی
01:35
  کامپایل شبکه عصبی مصنوعی
02:41
  برازش مدل شبکه عصبی مصنوعی بر مجموعه داده‌های آموزشی
02:15
  پیش‌بینی نتایج مجموعه داده‌های آزمون
04:29
شبکه‌های عصبی کانولوشنی (CNN)
  مقدمه
03:54
  اجزای شبکه‌های عصبی کانولوشنی
01:07
  لایه کانولوشنی
03:16
  لایه نمونه‌برداری
01:50
  لایه کاملا متصل
01:44
پیاده‌سازی شبکه عصبی کانولوششی در پایتون
  مجموعه داده
00:59
  واردکردن کتابخانه‌ها
02:52
  ساخت مدل شبکه عصبی کانولوششی
12:09
  دقت مدل
00:59

توضیحات دوره

این دوره‌ی جامع یادگیری عمیق بر روی تسلط بر علوم داده، تنسورفلو، هوش مصنوعی و شبکه‌های عصبی تمرکز دارد. شما اصول و مبانی نظری یادگیری عمیق را یاد خواهید گرفت و نحوه استفاده از یادگیری عمیق در زبان برنامه‌نویسی پایتون را یاد خواهید کرد. همچنین می‌توانید پیش‌بینی‌هایی با استفاده از رگرسیون خطی، رگرسیون چندجمله‌ای و رگرسیون چندمتغیره انجام دهید و شبکه‌های عصبی مصنوعی را با استفاده از تنسورفلو و کِراس بسازید.

دیدگاه کاربران

4

بر اساس امتیاز 3 دانشجو

1
2
3
4
5

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
4دوره
2,493دانشجو
60نظر و امتیاز
متا برینز یک برند آموزشی حرفه‌ای است که توسط تیمی از توسعه‌دهندگان نرم‌افزار و متخصصان مالی که علاقه‌مند به/code, Finance & Excel هستند توسعه یافته است. ما تجربیات حرفه‌ای و آموزشی را برای ایجاد برنامه‌های آموزشی سطح جهانی که برای همه قابل دسترس باشد با هم ترکیب می‌کنیم. در حال حاضر تمرکز ما بر روی بزرگ‌ترین انقلاب آینده محاسبات: متاورس است. هدف نهایی ما تربیت نسل آینده‌ای از استعدادهاست تا بتوانیم با هم کدنویسی و ساخت متاورس را انجام دهیم!
poster

پایتون برای یادگیری عمیق - ساخت شبکه های عصبی با پایتون

32دانشجو