Udemy Deep Learning with Keras
در این دوره آموزشی مفاهیم ، مدل ، لایه ها ، ماژول های یادگیری عمیق و Keras را میاموزید و یاد خواهید گرفت که یک شبکه عصبی و مدل طبقه بندی تصویر با Keras بسازید. Keras یک کتابخانه منبع باز از اجزای شبکه عصبی است که در پایتون نوشته شده است. Keras توانایی اجرای بالای TensorFlow ، Theano ، PlaidML و سایر موارد را دارد. این کتابخانه به صورت مدولار و کاربر پسند ساخته شده است. Keras آزمایش سریع را از طریق یک API سطح بالا ، کاربر پسند ، مدولار و قابل توسعه امکان پذیر می کند. Keras همچنین بر روی CPU و GPU قابل اجرا است. Keras توسط Francois Chollet ساخته شده و پشتیبانی می شود و بخشی از هسته TensorFlow است که باعث می شود TensorFlow API سطح بالا را ترجیح دهد. پلت فرم منبع باز Keras که از کتابخانه ای متشکل از اجزای معمول یادگیری ماشین استفاده می شود شامل اهداف ، توابع فعال سازی و بهینه سازها ، پشتیبانی از شبکه های عصبی راجعه و کانولوشن را نیز ارائه می دهد. علاوه بر این Keras توسعه پلتفرم تلفن همراه را برای کاربرانی که قصد پیاده سازی مدل های یادگیری عمیق را در تلفن های هوشمند ، iOS و Android دارند ارائه می دهد. Keras اساساً یک API است که برای مهندسان یادگیری ماشین و یادگیری عمیق طراحی شده است و بهترین روش ها را برای کاهش بار شناختی دنبال می کند. Keras تعداد اقدامات کاربر مورد نیاز برای موارد استفاده معمول را به حداقل می رساند و پیام های خطای واضح و عملی را ارائه می دهد. همچنین از مستندات گسترده و راهنماهای توسعه دهنده پشتیبانی می کند. چرا ما به کتابخانه های ماشین یادگیری مانند کراس نیاز داریم؟ یادگیری ماشین برای پاسخگویی به سوالات خاص درباره داده ها از مدل ها و محاسبات مختلف ریاضی استفاده می کند. نمونه هایی از یادگیری ماشینی در عمل شامل شناسایی نامه های ایمیل هرزنامه ، تعیین اشیا خاص با استفاده از دید رایانه ، تشخیص گفتار ، توصیه محصولات و حتی پیش بینی ارزش کالاها برای سالها در آینده است. محاسبه های ضمنی در یادگیری ماشین و یادگیری عمیق برای اطمینان از خروجی صحیح (پاسخ ها) بسیار پیچیده است. انواع کتابخانه های یادگیری ماشین برای کمک به پیمایش این پیچیدگی ها پدید آمده است. با استفاده از این گزینه ها ، افراد جدید می توانند به راحتی وارد علوم داده شوند. Uplatz مدرس
دوره آموزشی Udemy Deep Learning with Keras
می باشد که این دوره جامع را در مورد یادگیری عمیق با Keras ارائه می دهد. دوره آموزشی Deep Learning with Keras به شما در پیاده سازی یادگیری عمیق در پایتون ، پیش پردازش داده ها ، مدل سازی ، ساخت ، ارزیابی و بهینه سازی شبکه های عصبی کمک خواهد کرد. آموزش Keras نحوه استفاده از Keras ، یک API شبکه عصبی را که در پایتون نوشته شده است ، به شما آموزش می دهد. دوره آموزشی Deep Learning with Keras به شما نشان می دهد که چگونه اجرای کامل در کد با استفاده از Keras و Python انجام می شود. شما یاد خواهید گرفت که چگونه داده ها را برای آموزش ، ساخت و آموزش یک شبکه عصبی مصنوعی از ابتدا ، ساخت و تنظیم دقیق شبکه های عصبی کانولوشن (CNN) ، پیاده سازی تنظیم دقیق و یادگیری انتقال ، استقرار مدل ها با استفاده از جلو و عقب یاد بگیرید.
- آنچه در دوره آموزشی Deep Learning with Keras خواهید آموخت :
- مقدمه ای بر یادگیری عمیق و شبکه های عصبی
- یادگیری عمیق را با Keras درک کنید
- گامی بزرگ در جهت مهندس شدن یادگیری عمیق و یادگیری ماشین
- بررسی اجمالی Keras ، ویژگی ها و مزایا
- نصب کراس
- آموزش مدل ، ارزیابی مدل و پیش بینی مدل
- چرخه زندگی برای مدل های شبکه عصبی در کراس
- تعریف شبکه ، کامپایل شبکه ، شبکه متناسب ، ارزیابی شبکه و پیش بینی ها
- اولین شبکه عصبی خود را با Keras ایجاد کنید
- ساخت یک شبکه عصبی چند لایه Perceptron
- شبکه عصبی کانولوشن (CNN) و لایه های آن
- این دوره آموزشی برای چه کسانی است :
- مهندسین یادگیری عمیق و یادگیری ماشین
- محققان یادگیری ماشین – NLP ، Python و یادگیری عمیق
- دانشمندان داده و دانشمندان یادگیری ماشین
- تازه کارها و مبتدیانی که آرزوی شغلی در یادگیری ماشین ، علوم داده و یادگیری عمیق دارند
- سرپرستان فنی و مهندسی
- هر کسی که می خواهد یادگیری عمیق و یادگیری ماشین را یاد بگیرد
- محققان بینایی رایانه
- دانشمندان ارشد ML و دانش عمیق
- مشاوران ارشد داده و متخصصان تجزیه و تحلیل
- مدیران محصول
- What you’ll learn
- Introduction to Deep Learning and Neural Networks
- Understand Deep Learning with Keras
- Take a big step towards becoming a Deep Learning / Machine Learning engineer
- Keras overview, features, benefits
- Keras installation
- Keras – Models, Layers and Modules
- Keras Models – Sequential Model, Functional API
- Keras Layers – Dense Layers, Dropout Layers, Convolution Layers, Pooling Layers
- Keras Modules
- Keras – Model Compilation, Evaluation and Prediction
- Loss, Optimizer, Metrics, Compile the Model
- Model Training, Model Evaluation, Model Prediction
- Life-Cycle for Neural Network Models in Keras
- Define Network, Compile Network, Fit Network, Evaluate Network, Make Predictions
- Building your first Neural Network with Keras
- Building a Multilayer Perceptron neural network
- Building Image Classification Model with Keras
- Convolutional Neural Network (CNN) & its layers
- Requirements
- Enthusiasm and determination to make your mark on the world!
لینک دانلود
