شبکههای عصبی و یادگیری عمیق
✅ سرفصل و جزئیات آموزش
توضیحات دوره
در اولین دوره تخصصی یادگیری عمیق، مفاهیم پایهای شبکههای عصبی و یادگیری عمیق را مطالعه خواهید کرد.
در پایان، با روندهای فناوری مهم که سبب رشد یادگیری عمیق شدهاند، آشنا خواهید شد؛ شبکههای عصبی کاملاً متصل، آموزش آنها و کاربردهای عملی آنها را میسازید و پیادهسازی میکنید؛ شبکههای عصبی کارآمد (بر اساس تکنیکهای وکتورسازی) را پیادهسازی مینمایید؛ پارامترهای کلیدی در ساختار شبکههای عصبی را شناسایی میکنید؛ و یادگیری عمیق را در برنامههای شخصیتان به کار میگیرید.
دوره تخصصی یادگیری عمیق برنامه پایهای است که درک شما از تواناییها، چالشها و پیامدهای یادگیری عمیق را افزایش میدهد و شما را برای مشارکت در توسعه فناوریهای پیشرفته هوش مصنوعی آماده میکند. این دوره راهی برای کسب دانش و مهارتهای لازم جهت اعمال ماشینلرنینگ در کارتان، ارتقاء حرفهای فنی و گام نهایی در دنیای هوش مصنوعی است.
شبکههای عصبی و یادگیری عمیق
-
خوش آمدید 5:31
-
شبکه عصبی چیست؟ 7:16
-
یادگیری نظارتشده با شبکههای عصبی 8:28
-
چرا یادگیری عمیق محبوب شده است؟ 10:21
-
درباره این دوره 2:27
-
مصاحبه با جفری هینتون 40:22
-
[مهم] سوال، مشکل یا ایده دارید؟ در فروم ما عضو شوید! None
-
پرسشهای متداول None
-
یادداشتهای دوره اول None
-
طبقهبندی باینری 8:23
-
رگرسیون لجستیک 5:58
-
تابع هزینه رگرسیون لجستیک 8:12
-
گرادیان نزولی 11:23
-
مشتقها 7:10
-
نمونههای بیشتر مشتقگیری 10:27
-
گراف محاسبات 3:33
-
مشتقات با استفاده از گراف محاسبات 14:33
-
گرادیان نزولی در رگرسیون لجستیک 6:42
-
گرادیان نزولی روی m نمونه 8:00
-
وکتورسازی 8:04
-
مثالهای بیشتر وکتورسازی 6:19
-
وکتورسازی رگرسیون لجستیک 7:32
-
وکتورسازی خروجی گرادیان رگرسیون لجستیک 9:37
-
Broadcasting در پایتون 11:05
-
تذکر درباره وکتورهای پایتون/نومپی 6:49
-
بررسی سریع نوتبوکهای Jupyter/IPython 3:42
-
توضیحات مربوط به تابع هزینه رگرسیون لجستیک (اختیاری) 7:14
-
مصاحبه با پیتر آبِل 16:03
-
استنتاج مشتق تابع هزینه در یادگیری عمیق (اختیاری) None
-
یادداشتهای دوره دوم None
-
کد اخلاقی یادگیری عمیق None
-
پرسشهای متداول تمرین برنامهنویسی None
-
اختیاری: دانلود نوتبوک، محیط کاری و بروزرسانی محیط کاری None
-
مروری بر شبکههای عصبی 4:26
-
نمایش شبکههای عصبی 5:14
-
محاسبه خروجی شبکه عصبی 9:57
-
وکتورسازی برای چندین نمونه 9:05
-
توضیح برای پیادهسازی وکتورسازیشده 7:37
-
توابع فعالسازی 10:56
-
چرا به توابع فعالسازی غیرخطی نیاز دارید؟ 5:35
-
مشتقات توابع فعالسازی 7:57
-
گرادیان نزولی در شبکههای عصبی 9:57
-
حدس روش پسانتشار (اختیاری) 15:48
-
مقداردهی اولیه تصادفی 7:57
-
مصاحبه با ایان گودفلو 14:55
-
یادداشتهای دوره سوم None
-
شبکه عصبی عمیق با L لایه 5:50
-
انتشار رو به جلو در یک شبکه عمیق 7:15
-
درست درآوردن ابعاد ماتریسها 11:09
-
چرا نمایشهای عمیق؟ 10:33
-
اجزای پایه شبکههای عصبی عمیق 8:33
-
انتشار رو به جلو و پسانتشار 10:29
-
پارامترها در مقابل هایپرپارامترها 7:16
-
این موضوع چه ارتباطی با مغز دارد؟ 3:16
-
مطالعه اختیاری: شبکههای عصبی پیشخور در عمق None
-
توضیح درباره ارتباط این موضوع با مغز None
-
یادداشتهای دوره هفتم None
-
[مهم] یادآوری درباره پایان دسترسی به نوتبوکهای آزمایشگاهی None
-
خروجی گیجکننده از AutoGrader None
-
مراجع None
-
تشکرات None
مشخصات آموزش
شبکههای عصبی و یادگیری عمیق
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:61
- مدت زمان :06:48:56
- حجم :935.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:59:10
- تعداد درس: 33
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:22:35
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 07:04:17
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 05:07:20
- تعداد درس: 54
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 01:04:12
- تعداد درس: 25
-
سطح دوره:
-
زبان: دوبله فارسی