دوره آموزشی شبکه‌های عصبی و شبکه‌های عصبی مصنوعی (2018)

جزئیات دوره

به سراغ شبکه‌های عصبی و شبکه‌های عصبی مصنوعی بروید که دو مفهوم کلیدی در حوزه یادگیری ماشین دارند. در این دوره مدرس Jonathan Fernandes مفاهیم بنیادی عصبی و عصبی مصنوعی را پوشش می‌دهد. او با ارائه مقدمه‌ای بر اجزای شبکه عصبی شروع می‌کند و درباره عملکردهای فعال‌سازی و backpropagation بحث می‌کند. سپس به شبکه‌های عصبی convolutional نگاه می‌کند و توضیح می‌دهد که چرا آن‌ها به طور خاص در وظایف تشخیص تصویر خوب هستند. او همچنین از طریق نحوه ساخت یک مدل شبکه عصبی با استفاده از Keras قدم می‌گذارد. علاوه بر این، درباره VGG۱۶، تاریخچه چالش ImageNet و چیزهای دیگر یاد بگیرید.

اهداف یادگیری
نورونها و نورونهای مصنوعی
اجزای شبکه های عصبی
تجسم شبکه عصبی
پیاده سازی شبکه عصبی در کراس
تدوین و آموزش مدل شبکه عصبی
دقت و ارزیابی مدل شبکه عصبی
شبکه های عصبی تحولی در کراس
پیشرفت در شبکه های عصبی پیچشی
کار با VGG16

سرفصل ها

0. مقدمه

01 - خوش آمدید
02 - آنچه باید بدانید
03 - استفاده از فایل‌های تمرین

1. مقدمه ای بر شبکه‌های عصبی

04 - نورون‌ها و نورون‌های مصنوعی
05 - نزول گرادیان
06 - چالش و راه حل XOR
07 - شبکه‌های عصبی

2. اجزای شبکه‌های عصبی

08 - توابع فعال سازی
09 - پس انتشار و فراپارامترها
10 - تجسم شبکه عصبی

3. پیاده‌سازی شبکه عصبی در کراس

11 - درک اجزای موجود در کراس
12 - راه‌اندازی اکانت مایکروسافت در Azure
13 - مقدمه ای بر MNIST
14 - پیش پردازش داده‌های آموزشی
15 - پیش پردازش داده‌های آزمون
16 - ساخت مدل کراس
17 - تدوین مدل شبکه عصبی
18 - آموزش مدل شبکه عصبی
19 - دقت و ارزیابی مدل شبکه عصبی

4. شبکه‌های عصبی کانولوشنال

20 - کانولوشن
21 - بالشتک و جمع شدن صفر

5. شبکه‌های عصبی کانولوشن در کراس

22 - پیش پردازش و بارگذاری داده ها
23 - ایجاد و تدوین مدل
24 - آموزش و ارزیابی مدل

6. بهبود شبکه‌های عصبی کانولوشنال (CNN)

25 - پیشرفت‌های CNN
26 - تقویت تصویر در کراس

7. ImageNet

27 - چالش ImageNet
28 - کار با VGG16

نتیجه

29 - مراحل بعدی