دوره پیشرفته یادگیری عمیق

دومین دوره آموزشی یادگیری عمیق class.vision با موضوع “شبکه‌های بازگشتی عمیق و سری‌های زمانی با تنسرفلو ۲”

مطالب:

قسمت اول – ۱۸ دقیقه – مقدمات شبکه های بازگشتی

قسمت دوم – ۲۱ دقیقه – یک سلول (واحد) بازگشتی ساده و شبکه بازگشتی

قسمت سوم – ۳۲ دقیقه – پیاده‌سازی تخمین تابع با شبکه‌های بازگشتی ساده

قسمت چهارم – ۴ دقیقه – طول دنباله متغیر در شبکه‌های بازگشتی (۱)

قسمت پنجم – ۱۱ دقیقه – طول دنباله متغیر در شبکه‌های بازگشتی (۲)

قسمت شـشـم – ۱۹ دقیقه – محو شدگی و انفجار گرادیان‌ها در شبکه‌های بازگشتی

قسمت هفتم – ۲۶ دقیقه – شبکه‌های GRU

قسمت هشتم – ۸ دقیقه – شبکه‌های LSTM

قسمت نهم – ۹ دقیقه – دیاگرام شبکه‎های LSTM

قسمت دهم – ۹ دقیقه – مثال‌هایی از داده‌های توالی و ترتیبی

قسمت یازدهم – ۵ دقیقه – شبکه‌های بازگشتی عمیق

قسمت دوازدهم – ۳۴ دقیقه – تخمین قیمت ارزهای دیجیتال – پیش‌پردازش داده

قسمت سیزدهم – ۲۲ دقیقه – تخمین قیمت ارزهای دیجیتال – بالانس کردن داده‌ها و آموزش

قسمت چهاردهم – ۳۴ دقیقه – شبکه‌های بازگشتی برای طبقه‌بندی ویدیو – مثال تشخیص جهت حرکت توپ

قسمت پانزدهم – ۴۱ دقیقه – مثال دوم طبقه‌بندی ویدیو – بازشناسی عملکرد در ویدیو

قسمت شانزدهم – ۳۲ دقیقه – درک بردار کلمات و بازنمایی آن‌ها

قسمت هفدهم – ۱۱ دقیقه – ویژگی‌های بازنمایی کلمات و لایه Embedding

قسمت هجدهم – ۲۷ دقیقه – مثال عملی آنالوژی با بردار کلمات

قسمت نوزدهم – ۱۴ دقیقه – طبقه‌بندی متن

قسمت بـیـسـتـم – ۲۰ دقیقه – پیاده‌سازی طبقه‌بندی متن با روش Bag-of-Embeddings

قسمت بیست و یکم – ۲۹ دقیقه – طبقه‌بندی متن با شبکه بازگشتی

قسمت بیست و دوم – ۵۷ دقیقه – مدل زبانی – تولید اشعاری شبیه به شاهنامه

قسمت بیست و سوم –۱۶ دقیقه – جمع‌بندی و معرفی شبکه‌های بازگشتی دوطرفه

قسمت بیست و چهارم – ۱۴ دقیقه – مدل‌های توالی به توالی

قسمت بیست و پنجم – ۲۷ دقیقه – مثال عملی Seq2Seq برای فهم رشته عملیات ریاضی

قسمت بیست و شـشـم – ۱۵ دقیقه – مقدمات ترجمه ماشینی

قسمت بیست و هفتم – ۱۵ دقیقه – الگوریتم جست و جوی پرتو

قسمت بیست و هشـتم – ۶۰ دقیقه – مکانیزم توجه در ترجمه ماشینی

قسمت بیست و نهم – ۳۰ دقیقه – پیاده‌سازی ترجمه ماشینی در کراس برای تبدیل تاریخ

قسمت سـی‌ام – ۱۵ دقیقه – روش کمک معلم

قسمت سی و یکم – ۴۱ دقیقه – پیاده‌سازی ترجمه ماشینی با مکانیزم توجه و Teacher Forcing در تنسرفلو ۲

قسمت سی‌ و دوم – ۲۸ دقیقه – شرح تصاویر با توجه بصری

 

❌پیش‌نیاز❌

آشنایی با مفاهیم دوره قبل:

دوره آموزشی یادگیری عمیق


یا به طور خلاصه
✔️آشنایی با پایتون
✔️آشنایی با فریم ورک تنسرفلو / کراس
✔️مسلط به تعریف شبکه های تمام متصل و کانولوشنالی
✔️ آشنا به تعرف شبکه sequential API و Functional API در فریم ورک کراس

دانستن پیش نیاز های دوره برای درک مبحث ضروری است.

 

پیش نمایش دوره: https://aparat.com/v/zqbc8 (قسمتی از کلاس به صورت رایگان به عنوان پیش نمایش قرار گرفته است.)

کدها و پروژه های دوره: https://github.com/Alireza-Akhavan/rnn-notebooks

تعداد خریداران: ۴۸ نفر

ـــــــــــــــــــ
خرید فیلم دوره:

2,000,000 ریال – خرید

افرودن دوره قبل(مقدماتی) به سبد خرید:

1,000,000 ریال – خرید

 

در صورت مشکل در روال خرید میتوانید در تلگرام، واتساپ یا بله تماس بگیرید: ۰۹۳۹۴۰۰۹۶۶۹

 

مدرس: علیرضا اخوان پور، مدرس دانشگاه

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *