بهبود شبکههای عصبی عمیق: تیونینگ هایپرپارامتر، منظمسازی و بهینهسازی
✅ سرفصل و جزئیات آموزش
توضیحات دوره
در دوره دوم تخصصی یادگیری عمیق، شما جعبه سیاه یادگیری عمیق را باز میکنید تا فرآیندهای موثر بر عملکرد و تولید نتایج خوب را به صورت سیستماتیک درک کنید.
در انتهای دوره، بهترین روشها برای آموزش، توسعه مجموعههای آزمون و تحلیل بایاس/واریانس برای ساخت برنامههای یادگیری عمیق را یاد خواهید گرفت. توانایی استفاده از تکنیکهای استاندارد شبکههای عصبی مانند مقداردهی اولیه، منظمسازی L2 و دراپاوت، تیونینگ هایپرپارامتر، نرمالسازی بچ و بررسی گرادیان را پیدا میکنید. همچنین، الگوریتمهای متنوع بهینهسازی مانند گرادیان خرابک، Momentum، RMSprop و Adam را پیادهسازی و بهرهبرداری میکنید و همگرایی آنها را بررسی میکنید. در نهایت، قادر خواهید بود یک شبکه عصبی را در TensorFlow پیادهسازی کنید.
تخصص یادگیری عمیق برنامهای پایهای است که به شما درک قابلیتها، چالشها و پیامدهای یادگیری عمیق را میدهد و شما را برای مشارکت در توسعه فناوریهای پیشرفته هوش مصنوعی آماده میکند. این دوره مسیر کسب دانش و مهارتهای لازم برای کاربرد ماشیندرمانی در کارتان، پیشرفت در حرفه فنی و قدم نهادن در دنیای AI را فراهم میکند.
بهبود شبکههای عصبی عمیق: تیونینگ هایپرپارامتر، منظمسازی و بهینهسازی
-
مجموعههای آموزش، توسعه و آزمون 12:04
-
بایاس / واریانس 8:46
-
دستورالعمل اولیه برای یادگیری ماشین 6:21
-
منظمسازی 9:42
-
چرا منظمسازی جلوگیری از بیشبرازش را کاهش میدهد؟ 7:09
-
منظمسازی دراپاوت 9:25
-
درک دراپاوت 7:05
-
روشهای منظمسازی دیگر 8:23
-
نرمالسازی ورودیها 5:29
-
گرادیانهای محوشونده / انفجاری 6:07
-
مقداردهی اولیه وزنها برای شبکههای عمیق 6:10
-
تقریب عددی گرادیانها 6:35
-
بررسی گرادیان 6:34
-
یادداشتهای پیادهسازی بررسی گرادیان 5:18
-
مصاحبه با Yoshua Bengio 25:48
-
[مهم] سوالات، مشکلات یا ایدهها دارید؟ در انجمن ما عضو شوید! None
-
توضیح درباره ویدیوی منظمسازی آینده None
-
توضیح درباره ویدیوی درک دراپاوت آینده None
-
یادداشتهای درس هفته 1 None
-
دانلود نوتبوک، دانلود محیط کاری و بروزرسانی محیط کاری (اختیاری) None
-
گرادیان نزولی مینیبچ 11:28
-
درک گرادیان نزولی مینیبچ 11:18
-
میانگینهای وزنی نمایی 5:58
-
درک میانگینهای وزنی نمایی 9:41
-
اصلاح Bias در میانگینهای نمایی وزنی 4:12
-
گرادیان نزولی باMomentum 9:20
-
RMSprop 7:41
-
الگوریتم بهینهسازی Adam 7:07
-
کاهش نرخ یادگیری 6:44
-
مشکل نقاط بهینه محلی 5:23
-
مصاحبه با Yuanqing Lin 13:36
-
توضیح درباره ویدیوی بهینهسازی Adam None
-
توضیح درباره ویدیوی کاهش نرخ یادگیری None
-
یادداشتهای درس هفته 2 None
-
فرایند تیونینگ 7:10
-
استفاده از مقیاس مناسب برای انتخاب هایپرپارامترها 8:50
-
تیونینگ هایپرپارامتر در عمل: Pandas در مقابل Caviar 6:51
-
نرمالسازی فعالسازیها در شبکه 8:54
-
ادغام نرمالسازی دستهای در شبکه عصبی 12:55
-
چرا نرمالسازی دستهای کار میکند؟ 11:39
-
نرمالسازی دستهای در زمان تست 5:46
-
رگرسیون Softmax 11:47
-
آموزش Softmax Classifier 10:07
-
چارچوبهای یادگیری عمیق 4:15
-
TensorFlow 15:01
-
توضیح درباره ویدیوی نرمالسازی فعالسازیها در شبکه None
-
توضیحات درباره ویدیوی Softmax آینده None
-
یادگیری درباره Gradient Tape و موارد دیگر (اختیاری) None
-
یادداشتهای درس هفته 3 None
-
[مهم] یادآوری درباره پایان دسترسی به نوتبوکهای آزمایشگاهی None
-
منابع None
-
سپاسگزاریها None
مشخصات آموزش
بهبود شبکههای عصبی عمیق: تیونینگ هایپرپارامتر، منظمسازی و بهینهسازی
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:52
- مدت زمان :05:26:39
- حجم :865.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 01:39:55
- تعداد درس: 6
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 54:55
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:33:59
- تعداد درس: 86
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 23:25:23
- تعداد درس: 78
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 01:08:59
- تعداد درس: 8
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 12:44:39
- تعداد درس: 121
-
سطح دوره:
-
زبان: دوبله فارسی