توضیحات
Deep Learning: Recurrent Neural Networks in Python دوره آموزشی یادگیری عمیق و هوش مصنوعی با محوریت توسعه شبکه های عصبی بازگشتی (RNN) می باشد که توسط آکادمی یودمی منتشر شده است. از جمله مهم ترین مباحث پوشش داده شده در این دوره آموزشی می توان به معماری GRU، معماری حافظه طولانی کوتاه-مدت (LSTM)، پیش بینی سری زمانی، پیش بینی قیمت سهام، پردازش زبان های طبیعی (NLP) با هوش مصنوعی و … اشاره کرد. در ابتدای این دوره آموزشی به صورت مختصر و در عین حال کاربردی با معماری های معروف یادگیری عمیق آشنا خواهید شد. شبکه های عصبی بازگشتی یا به اختصار RNN یکی از معروف ترین کلاس های توسعه سیستم های مبتنی بر هوش مصنوعی هستند که در مدل سازی توالی عملیات کاربرد دارند.
از جمله مهم ترین کاربردهای شبکه RNN می توان به پیش بینی سری زمانی وقایع مختلف، پیش بینی قیمت سهام، پردازش زبان طبیعی و … اشاره کرد. الگوریتم های مبتنی بر RNN بسیار قدرتمند بوده و داده های حاصل از آن نسبت به الگوریتم های قدیمی یادگیری ماشین مانند مدل مارکوف پنهان دارای دقت بسیار بالایی است. ابزار اصلی شما در این دوره آموزشی زبان برنامه نویسی پایتون می باشد که در حیطه علوم داده، هوش مصنوعی، یادگیری ماشین و یادگیری عمیق یکی از پر کاربردترین و محبوب ترین زبان های برنامه نویسی عصر حاضر است. در کنار پایتون از یکسری از فریم ورک های قدرتمند و ناآشنای مبتنی بر پایتون مانند Numpy ،Matplotlib و Tensorflow نیز بهره خواهید جست که هر کدام دارای کاربرد منحصر به فردی هستند.
آنچه در دوره Deep Learning: Recurrent Neural Networks in Python یاد خواهید گرفت:
- استفاده از شبکه عصبی RNN به منظور پیش بینی توالی وقایع و سری زمانی
- توسعه یک پروژه قدرتمند به منظور پیش بینی قیمت سهام در آینده
- بهره برداری از RNN در پروژه های طبقه بندی تصویری
- کار با کتابخانه های Numpy ،Matplotlib و Tensorflow
- توسعه یک ابزار هوشمند به منظور طبقه بندی متون و شناسایی خودکار اسپم ها
- آشنایی کامل با فرآیند Natural Language Processing
- آشنایی با سایر معماری های موجود و مقایسه مزیت ها و معایب هر کدام
- اصول اولیه علم یادگیری ماشین و نورون ها
- توسعه شبکه های عصبی به منظور طبقه بندی و رگرسیون
- مدل سازی داده های توالی
- مدل سازی داده های سری زمانی
- مدل سازی داده های متنی برای پردازش زبان های طبیعی
- ساخت شبکه های عصبی بازگشتی با کتابخانه Tensorflow 2
مشخصات دوره Deep Learning: Recurrent Neural Networks in Python
- ناشر : Udemy
- مدرس : Lazy Programmer Inc. , Lazy Programmer Team
- زبان: انگلیسی
- سطح آموزش : تمام سطوح
- تعداد دروس : 76
- مدت زمان آموزش : 13 ساعت و 23 دقیقه
سرفصل های دوره
پیش نیازهای دوره Deep Learning: Recurrent Neural Networks in Python
Basic math (taking derivatives, matrix arithmetic, probability) is helpful
Python, Numpy, Matplotlib
Suggested Prerequisites:
- matrix addition, multiplication
- basic probability (conditional and joint distributions)
- Python coding: if/else, loops, lists, dicts, sets
- Numpy coding: matrix and vector operations, loading a CSV file
تصاویر دوره
فیلم معرفی دوره Deep Learning: Recurrent Neural Networks in Python
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 720p
نسخه 2025/1 نسبت به 2021/6 به تعداد 6 درس و مدت زمان 1 ساعت 7 دقیقه افزایش داشته است.
نسخه 2025/11 نسبت به 2025/1 به مدت زمان 20 دقیقه افزایش داشته است.
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
2.21 گیگابایت
