یادگیری عمیق با پایتون: بهینهسازی مدلهای یادگیری عمیق
✅ سرفصل و جزئیات آموزش
با تکنیکهایی آشنا شوید که به شما کمک میکنند مدلهای یادگیری عمیق را از نظر عملکرد و کارایی بهینه کنید. مدرس Frederick Nwanganga ضمن تأکید بر کاربردهای عملی، شما را با تمرینهای کدنویسی عملی راهنمایی میکند و مبانی پیشپردازش و افزایش داده، روشهای منظمسازی برای کاهش بیشبرازش، الگوریتمهای بهینهسازی، روشهای پیشرفته تیون کردن هایپرپارامترها و موارد دیگر را پوشش میدهد.
این دوره با GitHub Codespaces یکپارچه شده است؛ GitHub Codespaces یک محیط توسعه ابری فوری است که تمام قابلیتهای IDE موردعلاقه شما را بدون نیاز به هیچگونه راهاندازی محلی روی دستگاه فراهم میکند. با GitHub Codespaces میتوانید از هر دستگاهی و در هر زمان، بهصورت عملی تمرین کنید؛ آن هم با ابزاری که احتمالاً در محیط کار با آن روبهرو خواهید شد. برای شروع، بخش «استفاده از GitHub Codespaces» را همراه این دوره بررسی کنید.
یادگیری عمیق با پایتون: بهینهسازی مدلهای یادگیری عمیق
-
بهینهسازی مدلهای یادگیری عمیق 0:00:52
-
آنچه باید بدانید 0:00:48
-
استفاده از فایلهای تمرین 0:01:27
-
اهمیت بهینهسازی مدلهای یادگیری عمیق 0:03:11
-
توازن سوگیری و واریانس 0:03:33
-
منظمسازی Lasso و ridge 0:03:56
-
اعمال منظمسازی L1 بر مدل یادگیری عمیق 0:03:21
-
اعمال منظمسازی L2 بر مدل یادگیری عمیق 0:03:16
-
منظمسازی Elastic Net 0:02:29
-
منظمسازی dropout 0:02:52
-
اعمال منظمسازی dropout بر مدل یادگیری عمیق 0:03:21
-
توابع زیان رایج در یادگیری عمیق 0:05:04
-
گرادیان نزولی بچ 0:03:32
-
گرادیان نزولی تصادفی (SGD) 0:02:55
-
گرادیان نزولی مینی بچ 0:03:37
-
Adaptive Gradient Algorithm (AdaGrad) 0:04:43
-
Root Mean Square Propagation (RMSProp) 0:02:40
-
Adaptive Delta (AdaDelta) 0:01:47
-
Adaptive Moment Estimation (Adam) 0:03:08
-
پارامترها در برابر هایپرپارامترها 0:04:52
-
هایپرپارامترهای کلیدی در یادگیری عمیق 0:08:05
-
روشهای تیون کردن هایپرپارامتر 0:06:22
-
تعریف یک مدل یادگیری عمیق قابل تیون کردن در کراس 0:06:21
-
استفاده از KerasTuner برای تنظیم هایپرپارامترها 0:07:11
-
بچ نرمالیزیشن 0:03:05
-
اعمال بچ نرمالیزیشن بر مدل یادگیری عمیق 0:02:55
-
برش گرادیان یا گرادیان کلیپینگ 0:05:10
-
اعمال گرادیان کلیپینگ بر مدل یادگیری عمیق 0:03:00
-
توقف زودهنگام و ذخیرهی چک پوینت 0:03:23
-
زمانبندی نرخ یادگیری 0:04:56
-
آموزش مدل یادگیری عمیق با استفاده از callbackها 0:06:13
-
ادامهی بهینهسازی مدلهای یادگیری عمیق 0:03:22
مشخصات آموزش
یادگیری عمیق با پایتون: بهینهسازی مدلهای یادگیری عمیق
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:متوسط
- تعداد درس:32
- مدت زمان :2:01:27
- حجم :263.0MB
- 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
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی