Deep Learning
دوره آموزش یادگیری عمیق به آموزش کاربردی یادگیری عمیق و تمام مباحث مربوط به کتابخانه های تنسورفلو و کراس میپردازد. به طور مشخصتر موضوعاتی که در این دوره دنبال میشود شامل موارد زیر است:
- پیادهسازی شبکههای عصبی (یادگیری عمیق) در پایتون
- پیادهسازی شبکههای Multi-layer perceptron (MLP) و Convolutional
- بحث و بررسی در رابطه با موضوعات گوناگون یادگیری عمیق مانند: Transfer learning، Overfitting و Regularization
- بررسی دقیق و عمیق تنسورفلو و کراس
Chapter One: Introduction to Machine Learning
- Part 1-1
- Part1-2
Chapter Two: Deep Learning Fundamentals
- Part 2-1
- Part 2-2
- Part 2-3
- Part 2-4
- Part 2-5
- Part 2-6
- Part 2-7
- Part 2-8
- Part 2-9
- Part 2-10
- Part 2-11
- Part 2-12
- Part 2-13
- Part 2-14
- Part 2-15
- Part 2-16
- Part 2-17
- Part 2-18
- Part 2-19
- Part 2-20
- Part 2-21
- Part 2-22
- Part 2-23
- Part 2-24
- Part 2-25
- Part 2-26
- Part 2-27
- Part 2-28
- Part 2-29
- Part 2-30
- Part 2-31
- Part 2-32
- Part 2-33
- Part 2-34
- Part 2-35
Chapter Three: Deep Neural Networks
- Part 3-1
- Part 3-2
- Part 3-3
- Part 3-4
- Part 3-5
- Part 3-6
- Part 3-7
- Part 3-8
- Part 3-9
- Part 3-10
- Part 3-11
- Part 3-12
- Part 3-13
- Part 3-14
- Part 3-15
- Part 3-16
- Part 3-17
- Part 3-18
- Part 3-19
- Part 3-20
- Part 3-21
- Part 3-22
- Part 3-23
- Part 3-24
- Part 3-25
- Part 3-26
- Part 3-27
- Part 3-28
- Part 3-29
- Part 3-30
- Part 3-31
- Part 3-32
- Part 3-33
- Part 3-34
- Part 3-35
- Part 3-36
- Part 3-37
- Part 3-38
- Part 3-39
- Part 3-40
- Part 3-41
Chapter Four: Deep Convolutional Network
- Part 4-1
- Part 4-2
- Part 4-3
- Part 4-4
- Part 4-5
- Part 4-6
- Part 4-7
- Part 4-8
- Part 4-9
- Part 4-10
- Part 4-11
- Part 4-12
- Part 4-13
- Part 4-14
- Part 4-15
- Part 4-16
- Part 4-17
- Part 4-18