LinkedIn – Deep Learning with Python: Optimizing Deep Learning Models 2025-2

در تاریخ: 1404/03/18 6:15:45

توضیحات

دوره Deep Learning with Python: Optimizing Deep Learning Models. این دوره به آموزش تکنیک‌های بهبود عملکرد و کارایی مدل‌های یادگیری عمیق می‌پردازد. این دوره که توسط فردریک نوانگانگ تدریس می‌شود، بر جنبه‌های عملی یادگیری ماشین تمرکز دارد و شرکت‌کنندگان را با تمرین‌های کدنویسی واقعی همراهی می‌کند. مباحث اصلی شامل پیش‌پردازش داده‌ها، افزایش داده‌ها، روش‌های منظم‌سازی برای جلوگیری از بیش‌برازش، الگوریتم‌های بهینه‌سازی و تنظیم هایپرپارامترهاست. دوره با GitHub Codespaces ادغام شده است که یک محیط توسعه ابری آماده ارائه می‌دهد و امکان تمرین عملی بدون نیاز به تنظیمات محلی را فراهم می‌کند. این محیط شامل تمام ابزارهای ضروری است و از هر دستگاه و در هر زمان قابل دسترسی است. برای آشنایی با نحوه استفاده از این محیط، بخش مربوطه در دوره را مطالعه کنید. این دوره برای علاقه‌مندان به یادگیری عمیق که می‌خواهند مهارت‌های عملی خود را ارتقا دهند طراحی شده است.

آنچه فرا خواهید گرفت

درک تکنیک‌های مختلف مورد استفاده برای بهینه‌سازی مدل‌های یادگیری عمیق.
پیش‌پردازش و افزایش داده‌های متنی و تصویری.
استفاده از پایتون برای پیاده‌سازی تکنیک‌های منظم‌سازی در یک مدل یادگیری عمیق برای کاهش بیش‌برازش (overfitting).
درک نحوه کار الگوریتم‌های بهینه‌سازی مختلف و بهترین زمان برای استفاده از آنها.
استفاده از پایتون برای تنظیم هایپرپارامترهای یک مدل یادگیری عمیق.

این دوره مناسب افرادیست که

علاقه‌مندان به یادگیری عمیق که به دنبال بهبود عملکرد و کارایی مدل‌های خود هستند.
دانشجویان و متخصصانی که می‌خواهند مهارت‌های عملی در بهینه‌سازی مدل‌های یادگیری عمیق با پایتون کسب کنند.
هر کسی که به دنبال درک عمیق‌تر از پیش‌پردازش داده‌ها، منظم‌سازی، الگوریتم‌های بهینه‌سازی و تنظیم هایپرپارامترها در یادگیری عمیق است.
افرادی که مایل به استفاده از محیط‌های توسعه ابری مانند GitHub Codespaces برای تمرینات کدنویسی هستند.