مطالب پیشنهادی از سراسر وب

تسلط بر یادگیری عمیق با TensorFlow 2.0 در پایتون (2019)

دسته بندی ها: آموزش پایتون (Python) ، آموزش تنسورفلو (TensorFlow) ، آموزش های Packtpub ، آموزش یادگیری عمیق (Deep Learning) ، آموزش هوش مصنوعی (AI)

دانشمندان داده، مهندسان یادگیری ماشین و محققان هوش مصنوعی همه مهارت های خاص خود را دارند. با این حال، یک کیفیت مشترک بین همه آنها وجود دارد. همه آنها استاد یادگیری عمیق هستند. ما اغلب در مورد هوش مصنوعی، اتومبیل های خودران و جادوی الگوریتمی در گوگل، فیس بوک و آمازون می شنویم. همه اینها مربوط به یادگیری عمیق است. و به طور دقیق تر، این معمولاً شبکه های عصبی عمیق است، الگوریتم واحدی که مسئول همه آنهاست. در این دوره، شما اطلاعات مفیدی در مورد یادگیری عمیق کسب خواهید کرد. شما با اصول شروع خواهید کرد و سپس به سمت ایجاد یک الگوریتم یادگیری عمیق پیشرفت خواهید کرد. این دوره به شما کمک می کند تا به راحتی یاد بگیرید زیرا همه چیز را در پایتون برنامه ریزی می کند و هر خط کد را به وضوح توضیح می دهد. همه اینها به شما کمک می کند تا به راحتی به موضوعات پیچیده تر بروید. شما با TensorFlow و NumPy آشنا خواهید شد، دو ابزاری که برای ایجاد و درک الگوریتم های یادگیری عمیق ضروری هستند. همچنین لایه ها را همراه با بلوک های سازنده و فعال سازی آنها - sigmoid ,tanh ،ReLU ،Softmax و موارد دیگر کاوش خواهید کرد. هرچه پیشرفت می کنید، روند تبلیغات قبلی را درک خواهید کرد. شما قادر خواهید بود تا از جایگزینی بیش از حد، یکی از بزرگترین مسائل در یادگیری ماشین و عمیق جلوگیری کرده و از آن خودداری کنید. این دوره سپس شما را با استفاده از روش های پیشرفته اولیه راهنمایی خواهد کرد. بعداً،  خواهید آموخت که چگونه شبکه های عصبی عمیق را با استفاده از داده های واقعی، که توسط شرکت ها در دنیای واقعی اجرا می شوند، همراه با الگوها ایجاد کنید. با پایان این دوره، مهارت هایی را که برای پیشرفت در حرفه علوم داده خود و ایجاد اطمینان الگوریتم های یادگیری عمیق نیاز دارید، توسعه خواهید داد. تمام پرونده های کد در این لینک قرار داده شده اند.

فایل های تمرین exercise_files.zip
آیا این نوشته را دوست داشتید؟
Packt Master Deep Learning with TensorFlow 2.0 in Python [2019] Duration:4 hours 55 minutes

Data scientists, machine learning engineers, and AI researchers all have their own skillsets. However, there is a quality they all have in common. They are all masters of deep learning. We often hear about artificial intelligence, self-driving cars, and algorithmic magic at Google, Facebook, and Amazon. All these are related to deep learning. And more specifically, it is usually deep neural networks, the single algorithm that is responsible for them all. In this course, you’ll gain useful insights into deep learning. You’ll start with the basics and then progress toward building a deep learning algorithm. The course will help you learn easily as it programs everything in Python and explains each line of code clearly. All this will help you move on to the more complex topics easily. You'll get familiar with TensorFlow and NumPy, two tools that are essential for creating and understanding deep learning algorithms. You'll also explore layers, along with their building blocks and activations – sigmoid, tanh, ReLU, Softmax, and more. As you progress, you’ll understand the backpropagation process. You'll be able to spot and prevent overfitting, one of the biggest issues in machine and deep learning. The course will then guide you through state-of-the-art initialization methods. Later, you'll learn how to build deep neural networks using real data, implemented by companies in the real world, along with templates. By the end of this course, you will have developed the skills you need to advance in your data science career and confidently build deep learning algorithms. All code files are placed at https://github.com/PacktPublishing/Master-Deep-Learning-with-TensorFlow-2.0-in-Python-2019

پیشنهاد آموزش مرتبط در فرادرس