پیشنهاد فرادرس

آموزش هوش مصنوعی با پایتون - شبکه های عصبی عمیق

دسته بندی ها: هوش مصنوعی ، آموزش های Packtpub ، شبکه های عصبی مصنوعی ، آموزش پایتون (Python)

این دوره مقدمه ای بر مبانی متدهای یادگیری عمیق است.  ما با تشخیص و ردیابی شیء شروع خواهیم کرد که در آن چهره ها، اشیاء و چشم ها را ردیابی می کنیم. سپس یک شبکه عصبی و OCR ایجاد خواهیم کرد و یاد می گیریم که چگونه عوامل آموزشی که می توانند از تعامل با محیط یاد بگیرند ایجاد کنیم. از یادگیری عمیق با شبکه های عصبی مصنوعی و از TensorFlow برای ساخت شبکه های عصبی استفاده خواهیم کرد. در آخر یک طبقه بندی تصویری با استفاده از شبکه های عصبی پیچشی ایجاد خواهیم کرد.

سرفصل:

  • معرفی دوره
  • شناسایی و ردیابی شیء
  • نصب OpenCV
  • تعریف قاب
  • ردیابی اشیاء با استفاده از Colorspaces
  • ردیابی شی با استفاده از حذف پس زمینه
  • ساخت یک ردیاب شیء با استفاده از الگوریتم CAMShift
  • پیگیری مبتنی بر جریان نوری
  • تشخیص چهره و ردیابی
  • شبکه های عصبی مصنوعی
  • معرفی شبکه های عصبی مصنوعی
  • یادگیری تقویتی چیست؟
  • ایجاد محیط
  • یادگیری عمیق با شبکه های عصبی مصنوعی
  • و غیره
آیا این نوشته را دوست داشتید؟
Artificial Intelligence with Python – Deep Neural Networks [Video] Publisher:Packtpub Author:Prateek Joshi Duration:1 hour and 19 minutes

Learn different Artificial Intelligence learning techniques with neural networks
The course is an introduction to the basics of deep learning methods. We will start with object detection and tracking, in which we will track faces, objects and eyes. We will then build a neural network and an OCR. We will then learn how to build learning agents that can learn from interacting with the environment. We will use Deep Learning with Convolutional Neural Networks, and use TensorFlow to build neural networks. We will then build an image classifier using convolutional neural networks.
Style and Approach
The video course is structured in such a way that the explanation of a concept is followed by a relevant example. Also, algorithms are explained and their respective code and training dataset is provided.
Released: Tuesday, January 30, 2018
Object Detection and Tracking
The Course Overview
Installing OpenCV
Frame Differencing
Tracking Objects Using Colorspaces
Object Tracking Using Background Subtraction
Building an Object Tracker Using the CAMShift Algorithm
Optical Flow Based Tracking
Face Detection and Tracking
Artificial Neural Networks
Introduction to Artificial Neural Networks
Building a Perceptron Based Classifier
Constructing Single and Multilayer Neural Networks
Building a Vector Quantizer
Analyzing Sequential Data Using Recurrent Neural Networks
Visualizing Characters in an Optical Character Recognition Database
Building an Optical Character Recognition Engine
Reinforcement Learning
What Is Reinforcement Learning?
Creating an Environment
Building a Learning Agent
Deep Learning with Convolutional Neural Networks
What are Convolutional Neural Networks?
Building a Perceptron-Based Linear Regressor
Building an Image Classifier Using a Single Layer Neural Network
Building an Image Classifier Using a Convolutional Neural Network

پیشنهاد فرادرس