Udemy – Data Science: Modern Deep Learning in Python 2025-11

در تاریخ: 1404/08/25 4:22:11

توضیحات

Data Science: Modern Deep Learning in Python، دوره آموزش علم داده: یادگیری عمیق مدرن در پایتون توسط آکادمی یودی منتشر شده است. شبکه های عصبی یکی از عناصر اصلی یادگیری ماشینی هستند و همیشه یکی از رقبای برتر در مسابقات Kaggle هستند. اگر می خواهید مهارت های خود را با شبکه های عصبی و یادگیری عمیق تقویت کنید، این دوره برای شما مناسب است. شما قبلاً در مورد پس انتشار یاد گرفته اید، اما سؤالات بی پاسخ زیادی وجود دارد. چگونه می توانید آن را برای بهبود سرعت تمرین تغییر دهید؟ در این دوره آموزشی در مورد نزول گرادیان دسته ای و تصادفی، دو تکنیک رایج مورد استفاده که به شما امکان می دهد فقط بر روی نمونه کوچکی از داده ها در هر تکرار آموزش دهید، یاد خواهید گرفت و زمان آموزش را تا حد زیادی افزایش می دهد. شما همچنین در مورد مومنتم یاد خواهید گرفت، که می تواند برای عبور شما از حداقل های محلی مفید باشد و از محافظه کاری بیش از حد در میزان یادگیری خود جلوگیری کند.

همچنین با تکنیک‌های نرخ یادگیری تطبیقی مانند AdaGrad، RMSprop و Adam آشنا خواهید شد که می‌توانند به سرعت بخشیدن به آموزش شما کمک کنند. از آنجایی که شما قبلاً در مورد اصول شبکه های عصبی می دانید، ما قصد داریم در مورد تکنیک های مدرن تری مانند تنظیم حذف و نرمال سازی دسته ای صحبت کنیم که هم در TensorFlow و هم در Theano اجرا خواهیم کرد. این دوره به طور مداوم در حال به روز رسانی است و تکنیک های منظم سازی پیشرفته تری در آینده نزدیک ارائه می شود. در این دوره ما از اصول اولیه شروع می کنیم تا دقیقاً بفهمید که چه اتفاقی می افتد – متغیرها و عبارات TensorFlow چیست و چگونه می توانید از این بلوک های سازنده برای ایجاد یک شبکه عصبی استفاده کنید. ما همچنین کتابخانه‌ Theano که مدت طولانی‌تری وجود داشته و برای یادگیری عمیق بسیار محبوب است را بررسی میکنیم. با استفاده از این کتابخانه، ما بلوک‌های اصلی، متغیرها، عبارات و توابع را نیز بررسی خواهیم کرد تا بتوانید با اطمینان شبکه‌های عصبی را در Theano بسازید.

آنچه خواهید آموخت

برای آموزش شبکه های عصبی، مومنتم را برای پس انتشار اعمال کنید
رویه‌های نرخ یادگیری تطبیقی مانند AdaGrad، RMSprop و Adam را برای پس انتشار برای آموزش شبکه‌های عصبی اعمال کنید.
بلوک های اصلی TensorFlow را درک کنید
ساخت شبکه عصبی در TensorFlow
با استفاده از Keras یک شبکه عصبی بنویسید
با استفاده از PyTorch یک شبکه عصبی بنویسید
تفاوت بین نزول گرادیان کامل، نزول گرادیان دسته ای و نزول گرادیان تصادفی را درک کنید
نظم دهی dropout را درک و اجرا کنید
نرمال سازی دسته ای را درک و اجرا کنید
بلوک های اصلی سازنده Theano را درک کنید
یک شبکه عصبی در Theano بسازید
با استفاده از CNTK یک شبکه عصبی بنویسید

این دوره برای چه کسانی مناسب است

دانش آموزان و متخصصانی که می خواهند دانش یادگیری ماشین خود را عمیق تر کنند
دانشمندان داده که می خواهند در مورد یادگیری عمیق اطلاعات بیشتری کسب کنند
دانشمندان داده‌ای که قبلاً در مورد پس‌انتشار و نزول گرادیان اطلاعاتی دارند و می‌خواهند آن را با آموزش دسته‌ای تصادفی، مومنتم و رویه‌های نرخ یادگیری تطبیقی مانند RMSprop بهبود بخشند.

مشخصات دوره Data Science: Modern Deep Learning in Python

ناشر : Udemy
مدرس : Lazy Programmer Inc. , Lazy Programmer Team
زبان: انگلیسی
سطح آموزش : تمام سطوح
تعداد دروس : 90
مدت زمان آموزش : 11 ساعت و 23 دقیقه

سر فصل های دوره Data Science: Modern Deep Learning in Python

Data Science_ Modern Deep Learning in Python

پیش نیاز های دوره

Be comfortable with Python, Numpy, and Matplotlib
If you do not yet know about gradient descent, backprop, and softmax, take my earlier course, Deep Learning in Python, and then return to this course.