• آی تی گویا

  • سینمای آموزشی

پنج شنبه ۱ اسفند ۱۳۹۸

آنچه که باید دید

تبلیغات
تبلیغات
تبلیغات
تبلیغات

آموزش کامل یادگیری عمیق و یادگیری ماشین

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند.

هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد.

طیف پژوهش‌هایی که در یادگیری ماشینی می‌شود گسترده‌است. در سوی نظری آن پژوهشگران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌های‌شان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسایل تازه‌ای اعمال کنند.

البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مولفه‌هایی از هر دو رویکرد هستند.

در دوره آموزشی Udemy The Ultimate 2019 Deep Learning & Machine Learning Bootcamp با آموزش کامل یادگیری عمیق و یادگیری ماشین اشنا خواهید شد.

سرفصل های دوره آموزشی Udemy The Ultimate 2019 Deep Learning & Machine Learning Bootcamp:
– مقدمه
– آماده شدن – پایتون ، نوت بوک Jupyter و Tensorflow را نصب کنید
– مؤلفه های شبکه های عصبی عمیق
– آموزش شبکه های عصبی
– کتابخانه Tensorflow برای Deep Learnig
– شبکه های عصبی Convolution
– شبکه های عصبی مکرر
– شبکه های مخالف مولد

This course was designed to bring anyone up to speed on Machine Learning & Deep Learning in the shortest time.
This particular field in computer engineering has gained an exponential growth in interest worldwide following major progress in this field.
\n
The course starts with building on foundation concepts relating to Neural Networks. Then the course goes over Tensorflow libraries and Python language to get the students ready to build practical projects.
The course will go through four types of neural networks:
۱٫ The simple feedforward
۲٫ Convolutional
۳٫ Recurrent
۴٫ Generative Adversarial
You will build a practical Tensorflow project for each of the above Neural Networks. You will be shown exactly how to write the codes for the models, train and evaluate them.
Here is a list of projects the students will implement:
۱٫ Build a Simple Feedforward Network for MNIST dataset, a dataset of handwritten digits
۲٫ Build a Convolutional Network to classify Fashion items, from the Fashion MNIST dataset
۳٫ Build a Recurrent Network to generate a text similar to Shakespeare text
۴٫ Build a Generative Adversarial Network to generate images similar to MNIST dataset


لینک های دانلود
راهنمای دانلود

برای دانلود گروهی، تمامی لینک ها را انتخاب کنید و در نرم افزار مدیریت دانلود خود وارد کنید سپس دانلود را آغاز کنید.
اگر نرم افزار مدیریت دانلود ندارید، پیشنهاد می شود برای دانلود فایل ها حتماً از یک نرم افزار مدیریت دانلود و مخصوصاً IDM استفاده کنید
در صورت بروز مشکل در دانلود فایل ها تنها کافی است در آخر لینک دانلود فایل یک علامت سوال ? قرار دهید تا فایل به راحتی دانلود شود.
فایل های بسیار حجیم برای سهولت دریافت به چند بخش تقسیم بندی شده اند. پس از دانلود تمامی بخش ها، همگی را درون یک پوشه قرار داده و با استفاده از نرم افزار هایی همچون winrar اقدام به بازگشایی آن ها از اولین فایل نمائید.
با Extract نمودن فایل قسمت اول، قسمت های بعدی به صورت خودکار شناخته می شوند و یک به یک از حالت فشرده خارج شده و در نهایت فایل کامل را تشکیل می دهند.
چنانچه در هنگام خارج سازی فایل از حالت فشرده با پیغام CRC مواجه شدید، در صورتی که کلمه رمز را درست وارد کرده باشید. فایل به صورت خراب دانلود شده است و می بایستی مجدداً آن را دانلود کنید
دقت کنید در هنگام بازگشایی بر روی کدام یک از قسمت ها پیغام خطای CRC داده می شود سپس برای دانلود مجدد فقط همان قسمتی که خراب دانلود شده است را دانلود نمائید.
کلمه رمز جهت بازگشایی فایل فشرده عبارت www.itgoya.ir می باشد. تمامی حروف را میبایستی به صورت کوچک تایپ کنید و در هنگام تایپ به وضعیت EN/FA کیبورد خود توجه داشته باشید همچنین بهتر است کلمه رمز را تایپ کنید و از Copy-Paste آن بپرهیزید.