توضیحات
Data Science: Deep Learning and Neural Networks in Python نام بوتکمپ آموزش شبکه های عصبی و یادگیری عمیق است که توس آکادمی یودمی منتشر شده است. این دوره شما را شروع به ساختن اولین شبکه عصبی مصنوعی با استفاده از تکنیک های یادگیری عمیق می کند و شبکه های عصبی غیرخطی کامل را با استفاده از Python و Numpy ایجاد می کند. این دوره مدل طبقه‌بندی باینری قبلی را با استفاده از تابع softmax به چندین کلاس تعمیم می‌دهد و روش آموزشی بسیار مهمی به نام «backpropagation» را با استفاده از اصول اولیه استخراج می‌کند. به شما نشان خواهد داد که چگونه با استفاده از ویژگی‌های Numpy، ابتدا “راه آهسته” و سپس “راه سریع” را در کدنویسی Numpy پیدا کنید. سپس، یک شبکه عصبی را با استفاده از کتابخانه جدید TensorFlow گوگل پیاده سازی می کند. اگر علاقه مند به شروع سفر خود به سمت استاد شدن در یادگیری عمیق هستید یا به طور کلی به یادگیری ماشین و علم داده علاقه دارید، باید این دوره را بگذرانید. ما فراتر از مدل های اساسی مانند رگرسیون لجستیک و رگرسیون خطی می رویم و من چیزی را به شما نشان می دهم که به طور خودکار ویژگی ها را یاد می گیرد. این دوره مثال های عملی زیادی را در اختیار شما قرار می دهد تا بتوانید واقعاً ببینید که چگونه می توان از یادگیری عمیق در هر چیزی استفاده کرد. در طول دوره، ما یک پروژه دوره انجام خواهیم داد، که به شما نشان می دهد چگونه می توانید اقدامات کاربر را در یک وب سایت با توجه به داده های کاربر پیش بینی کنید، مانند اینکه آیا آن کاربر در دستگاه تلفن همراه است یا نه، تعداد محصولاتی که مشاهده کرده است، مدت زمان اقامت آنها. در سایت شما، چه بازدیدکننده بازگشتی باشند یا نه، و چه زمانی از روز بازدید کرده اند. پروژه دیگری در پایان دوره به شما نشان می دهد که چگونه می توانید از یادگیری عمیق برای تشخیص حالت چهره استفاده کنید. تصور کنید که بتوانید احساسات یک نفر را فقط بر اساس یک عکس پیش بینی کنید! پس از آشنا شدن با اصول اولیه، مروری کوتاه بر برخی از جدیدترین پیشرفت‌ها در شبکه‌های عصبی – معماری‌های کمی تغییر یافته و موارد استفاده از آنها ارائه می‌شود.
آنچه در دوره Data Science: Deep Learning and Neural Networks in Python فرا خواهید گرفت:
- بیاموزید که یادگیری عمیق چگونه واقعا کار می کند
- بیاموزید که چگونه یک شبکه عصبی از بلوک های اصلی ساختمان (نرون) ساخته می شود.
- یک شبکه عصبی را از ابتدا در پایتون و numpy کدنویسی کنید
- کدگذاری یک شبکه عصبی با استفاده از TensorFlow گوگل
- انواع مختلف شبکه های عصبی و انواع مختلفی از مشکلاتی که برای آنها استفاده می شود را شرح دهید
- قانون پس انتشار را از اصول اول استخراج کنید
- با استفاده از نرم افزار softmax یک شبکه عصبی با خروجی با کلاس های K> 2 ایجاد کنید
- اصطلاحات مختلف مرتبط با شبکه‌های عصبی مانند «activation»، «backpropagation» و «feedforward» را توضیح دهید.
- TensorFlow را نصب کنید
مشخصات دوره
- ناشر : Udemy
- مدرس : Lazy Programmer Inc. , Lazy Programmer Team
- زبان: انگلیسی
- سطح آموزش : متوسط
- تعداد دروس : 90
- مدت زمان آموزش : 12 ساعت و 8 دقیقه
سرفصل های دوره
پیش نیازهای دوره
Being familiar with the content of my logistic regression course (cross-entropy cost, gradient descent, neurons, XOR, donut) will give you the proper context for this course
تصاویر دوره
فیلم معرفی دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 1080p
تغییرات:
نسخه 2023/12 نسبت به 2021/6 به تعداد 1 درس و مدت زمان 54 دقیقه افزایش داشته است. همچنین کیفیت دوره از 720p به 1080p افزایش یافته است.
نسخه 2025/11 نسبت به 2023/12 به مدت زمان 1 دقیقه افزایش داشته است.
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
3.05 گیگابایت
2 دیدگاه. همین الان خارج شوید
سلام. لطفا به 2023 آپدیت شود
سلام
دسترسی به آپدیت جدیدتر نداریم.