توضیحات
Machine Vision, GANs, and Deep Reinforcement Learning LiveLessons, 2nd Edition، یک دوره مقدماتی شهودی برای آموزش یادگیری عمیق میباشد که در آن سه مورد از مشهورترین موضوعات یادگیری عمیق آموزش داده میشود. بینایی ماشین مدرن با وارد کردن سیستم های خودکار از توانایی انسان در بازشناسی تصویر، تشخیص اشیا و وظایف قسمت بندی تصاویر پیشی گرفت. شبکه های زایا Adversarial با تشکیل دو شبکه یادگیری عمیق در مقابل یکدیگر در یک رابطه forger-detective، اجازه ساخت و جعل تصاویر واقعی نما را با اشیا به انتخاب کاربر فراهم میکنند.
آنچه در دوره Machine Vision, GANs, and Deep Reinforcement Learning LiveLessons, 2nd Edition یاد خواهید گرفت:
- درک تئوری سطح بالا و زبان کلیدی حول یادگیری ماشین، یادگیری تقویتی و شبکه های زایا adversarial
- ساخت مدل های state-of-the art برای بازشناسی تصویر، تشخیص اشیا و قسمت بندی تصویر
- معماری GAN هایی که توانایی تولید تصاویر متقاعد کننده در شکل تصورات آدم را دارند
- ساخت دستیار deep RL که میتواند خودش را با محیط های متنوع سازگار کند، مثل آنهایی که توسط OpenAI Gym ارائه میشوند.
- اجرا آزمایش های خودکارشده برای بهیه سازی مدل های یادگیری تقویتی عمیق
- درک محدودیت های فعلی هوش مصنوعی و چگونگی امکان غلبه بر آن ها در آینده
مشخصات دوره
ناشر: InformIT
مدرسین: Jon Krohn
زبان: انگلیسی
سطح آموزش: متوسط
تعداد دروس: 45
مدت زمان: 6 ساعت و 6 دقیقه
سرفصل های دوره:
Lesson 1: Orientation
Topics
1.1 Running the Hands-On Code Examples in Jupyter Notebooks
1.2 Review of Prerequisite Deep Learning Theory
1.3 A Sneak Peak
Lesson 2: Convolutional Neural Networks for Machine Vision
Topics
2.1 Convolutional Layers
2.2 Convolutional Filter Hyperparameters
2.3 Activation Pooling and Flattening
2.4 Building A ConvNet in TensorFlow
2.5 ConvNet Model Architectures
2.6 Residual Networks
2.7 Image Segmentation
2.8 Object Detection
2.9 Transfer Learning
2.10 Capsule Networks
Lesson 3: Generative Adversarial Networks for Creativity
Topics
3.1 A Boozy All-Nighter
3.2 Latent Space: Arithmetic on Fake Human Faces
3.3 Style Transfer: Converting Photos into Monet (and Vice Versa)
3.4 Applications of GANs
3.5 Essential GAN Theory
3.6 The “Quick, Draw!” Dataset
3.7 The Discriminator Network
3.8 The Generator Network
3.9 Training the Adversarial Network
Lesson 4: Deep Reinforcement Learning
Topics
4.1 Three Categories of Machine Learning Problems
4.2 When Reinforcement Learning Becomes Deep
4.3 Applications to Video Games
4.4 Applications to Board Games
4.5 Real-World Applications
4.6 Reinforcement Learning Environments
4.7 Three Categories of Artificial Intelligence
Lesson 5: Deep Q-Learning and Beyond
Topics
5.1 The Cart-Pole Game
5.2 Essential Reinforcement Learning Theory
5.3 Deep Q-Learning Networks
5.4 Defining a DQN Agent
5.5 Interacting with an Environment
5.6 Hyperparameter Optimization with SLM Lab
5.7 Agents Beyond DQN
5.8 Datasets, Project Ideas, and Resources for Self-Study
5.9 Approaching Artificial General Intelligence
Summary
پیش نیاز دوره:
The author’s Deep Learning with TensorFlow, Keras, and PyTorch LiveLessons, or familiarity with the topics covered in Chapters 5 through 9 of his book Deep Learning Illustrated, are a prerequisite.
تصاویر
فیلم نمونه
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
9.6
