دانلود O'Reilly Introduction to Deep Learning Using PyTorch آموزش مقدماتی یادگیری عمیق با پای تورچ
- بازدید: 11,894
دانلود آموزش مقدماتی یادگیری عمیق با پای تورچ
یادگیری عمیق (Deep learning) (یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل می‌کنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگی‌ها در لایه‌های مدل است. یک نمونه آموزشی (برای نمونه: تصویر یک گربه) می‌تواند به صورت‌های گوناگون بسان یک بردار ریاضی پر شده از مقدار به ازای هر پیکسل و در دید کلی تر به شکل یک مجموعه از زیرشکل‌های کوچک‌تر (نظیر اعضای صورت گربه) مدل سازی شود. برخی از این روش‌های مدل سازی سبب ساده شدن فرایند یادگیری ماشین (برای نمونه: تشخیص تصویر گربه) می‌شود. در یادگیری ژرف امید به جایگزینی استخراج این ویژگی‌های تصویر به دست بشر (مانند اعضای گربه) با روش‌های کامل خودکار بدون نظارت و نیمه نظارتی وجود دارد. انگیزهٔ نخستین در بوجود آمدن این ساختار یادگیری از راه بررسی ساختار عصبی در مغز انسان الهام گرفته شده است که در آن یاخته‌های عصبی با فرستادن پیام به یکدیگر درک را امکان‌پذیر می‌کنند. بسته به فرض‌های گوناگون در مورد نحوهٔ اتصال این یاخته‌های عصبی، مدل‌ها و ساختارهای مختلفی در این حوزه پیشنهاد و بررسی شده‌اند، هرچند که این مدل‌ها به صورت طبیعی در مغز انسان وجود ندارد و مغز انسان پیچیدگی‌های بیشتری را دارا است. این مدل‌ها نظیر شبکه عصبی عمیق، شبکه عصبی پیچیده، شبکه باور عمیق پیشرفت‌های خوبی را در حوزه‌های پردازش زبان‌های طبیعی، پردازش تصویر ایجاد کرده‌اند.در دوره آموزشی O'Reilly Introduction to Deep Learning Using PyTorch با آموزش مقدماتی یادگیری عمیق با پای تورچ آشنا می شوید. سرفصل های دوره آموزشی OReilly Introduction to Deep Learning Using PyTorch:
- مقدمه ای بر PyTorch
- مقدمه ای بر یادگیری عمیق
- PyTorch چیست؟
- عملیات PyTorch
- راه اندازی یک مشکل طبقه بندی
- نمایندگی و ساختار داده ها: ریاضیات
- نمایندگی و ساختار داده ها: کد
- ریاضیات در پشت خوراک شبکه های جلو
- آموزش شبکه عصبی برای طبقه بندی: Softmax
- آموزش شبکه عصبی برای طبقه بندی: متقاطع آنتروپی
- آموزش شبکه عصبی برای طبقه بندی: بازگشت به عقب
- ایجاد کامپوننت های سفارشی PyTorch
- روش آموزش مناسب برای شبکه های عصبی
- مبانی PyTorch پیچیده
کلمات کلیدی: Deep Learning, آموزش Deep Learning, آموزش تصویری Deep Learning, آموزش ویدیویی Deep Learning, آموزش کامل ,
Udemy full tutorial collection,
عیثپغ, عیثئغ, Download O'Reilly Introduction to Deep Learning Using PyTorch,
Tutorial,
E-Learning,
Training Course,
Education,
برنامه نویسی و طراحی وب,
Instruction,
CBT,
Teacher,
Direct Download Link,
DDL,
New,
Update,
Online,
Buy,
Usnet,
Torrent,
P30Download,
Danlod,
Danload,
Donload,
nhkg,n hl,ca,
خ'قثهممغ هدفقخیعزفهخد فخ یثثح مثشقدهدل عسهدل حغفخقزا, خ'قثهممغ هدفقخیعزفهخد فخ یثثح مثشقدهدل عسهدل حغفخقزا, This video will serve as an introduction to PyTorch, a dynamic, deep learning framework in Python.,
دانلود آموزش های شرکت یودمی,
d,nld, d,nld, دانلود آموزش آموزش مقدماتی یادگیری عمیق با پای تورچ,
اموزش آنلاین,
مجازی,
فیلم آموزشی,
مبتنی بر کامپیوتر,
یادگیری,
ویدئو,
دوره آموزشی,
Deep Learning, Development, download, Learning, OReilly, وب, یادگیری عمیق, Web, آموزش, اُریلی, برنامه نویسی, توسعه, دانلود, طراحی سایت,
راهنمای تصویری,
استاد,
مدرس,
معلم,
تدریس خصوصی,
Development & Web,
رایگان,
خرید,
پی سی,
پی 30,
با لینک مستقیم,
اپدیت,
در دوره آموزشی O'Reilly Introduction to Deep Learning Using PyTorch با آموزش مقدماتی یادگیری عمیق با پای تورچ آشنا می شوید. ,
ترافیک نیم بها,
ای لرنینگ,
فایل آموزش,
از راه دور,
مجانی,
داونلود,
دانلد,
تورنت,
یوزنت,
تحميل,
ڈاؤن لوڈ,
دریافت,
فعفخقهشم مثشقدهدل فقشهدهدل,
hl,ca lrnlhjd dhn"dvd uldr fh \hd j,v], hl,ca lrnlhjd dhn'dvd uldr fh mhd j,v],دانلود O'Reilly Introduction to Deep Learning Using PyTorch - آموزش مقدماتی یادگیری عمیق با پای تورچ,
2018-02-23
02:35:46
| 🎓 نام آموزش | O'Reilly Introduction to Deep Learning Using PyTorch |
| 📁 دسته بندی | برنامه نویسی و طراحی وب |
| 💾 حجم فایل | 1510 مگابایت |
| 📅 تاریخ به روزرسانی | 1396/12/4 |
| 📊 تعداد دانلود | 11,893 |
| ❤️ هزینه دانلود | رایگان و نیم بها |
تصاویر آموزش O'Reilly Introduction to Deep Learning Using PyTorch
O'Reilly Introduction to Deep Learning Using PyTorch Download
This video will serve as an introduction to PyTorch, a dynamic, deep learning framework in Python. In this video, you will learn to create simple neural networks, which are the backbone of artificial intelligence. We will start with fundamental concepts of deep learning (including feed forward networks, back-propagation, loss functions, etc.) and then dive into using PyTorch tensors to easily create our networks. Finally, we will CUDA render our code in order to be GPU-compatible for even faster model training.
What you’ll learn—and how you can apply it
Deep learning basics and you can apply it to your domain (X + AI)
PyTorch platform basics and you can apply it to any deep learning problem
CUDA rendering, which will allow you to train your networks very quickly
This video is for you because…
You may be an experienced AI researcher (academia or industry) with years of experience, and may have coded in platforms such as TensorFlow and Theano before, but may be a bit hesitant to transition into PyTorch. This introductory video will show you how easy it is to switch and the benefits you will reap with PyTorch’s dynamic nature.
You may also be a software engineer or computer science student or enthusiast looking to get started with deep learning. For you, PyTorch is the best platform to start with because of its simple, yet powerful interface. It makes implementing deep networks very transparent, which allows you to validate all the mathematical concepts you are learning. Familiarity with basic deep learning concepts is preferred but not required as we will cover the math behind the code as well.
مشخصات آموزش O'Reilly Introduction to Deep Learning Using PyTorch
شرکت سازنده: یودمی / Udemy
نام انگلیسی: O'Reilly Introduction to Deep Learning Using PyTorch
نام فارسی: آموزش مقدماتی یادگیری عمیق با پای تورچ
زبان آموزش: انگلیسی
زیرنویس: ندارد
مدرس:Alfredo Canziani, Goku Mohandas
سطح آموزشی: مقدماتی
زمان آموزش: 1 ساعت + 27 دقیقه
حجم فایل: 1510 مگابایت
تاریخ انتشار: 02:35 - 1396/12/4 | 2018.02.23
منبع: پی سی دانلود / www.p30download.ir
امتیاز: 
2.5/5
