دانلود Packt Deep Learning and Neural Networks using Python - Keras: The Complete Beginners Guide - آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس

Name: Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners
Rating: 2.5 (6354 reviews)
Author: Packt Publishing

بازدید: 6,357
دسته: آموزش » ‏ برنامه نویسی و طراحی وب

دانلود Packt Deep Learning and Neural Networks using Python - Keras: The Complete Beginners Guide -

دانلود آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس

یادگیری عمیق (Deep learning) 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.کرس (Keras) یک کتابخانهٔ متن‌باز شبکه عصبی است که به زبان پایتون نوشته شده است و قابل است که بر روی تنسورفلو یا ثینو قابل اجرا است. این نرم‌افزار به منظور آزمایش کردن سریع یادگیری عمیق طراحی شده است و در طراحی آن بر روی کوچک، ماژولار و قابل گسترش بودن توجه شده است.
در دوره آموزشی Packt Deep Learning and Neural Networks using Python - Keras: The Complete Beginners با آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس اشنا خواهید شد.

سرفصل های دوره آموزشی Packt Deep Learning and Neural Networks using Python Keras: The Complete Beginners :
1 معرفی دوره و فهرست مطالب
2 بررسی جامع یادگیری
3 ML یا DL را برای پروژه خود انتخاب کنید
4 آماده سازی کامپیوتر شما
5 پایتون مبانی
6 نصب کتابخانه Theano و برنامه نمونه برای تست
7 برنامه TensorFlow کتابخانه نصب و نمونه برای تست
8 Keras نصب و سوئیچینگ Theano و TensorFlow Backends
9 مفاهیم پروپترون چند لایه
10 آموزش شبکه عصبی - مراحل و اصطلاحات
11 شبکه اول عصبی با Keras - درک مجموعه داده های Pima هند
12 مفاهیم آموزش و ارزیابی توضیح داده شده است
13 مدل Pima هند - مراحل توضیح داده شده
14 مدل Pima هند - ارزیابی عملکرد
15 درک مجموعه ای از Flower Flower Iris
16 توسعه مدل گلرنگ آبیاری
17 درک سونار جمع آوری داده ها
18 توسعه مدل سونار بازگشت
19 بهبود عملکرد مدل سونار
20 درک مجموعه داده های مسکن بوستون
21 توسعه مدل مبتنی بر مسکن بوستون
22 بهبود عملکرد بوستون
23 مدل آموزش دیده را به عنوان فایل JSON ذخیره کنید (مجموعه داده های Pima هند)
24 ذخیره و بارگذاری مدل به عنوان فایل YAML - مجموعه داده های Pima هند
25 بار و پیش بینی با استفاده از مدل Pima هند
26 ذخیره در بارگذاری و پیش بینی با استفاده از Iris گل مجموعه داده
27 ذخیره در بارگذاری و پیش بینی با استفاده از مجموعه داده های سونار
28 ذخیره بارگذاری و پیش بینی با استفاده از مجموعه داده بوستون
29 مدل چک کردن
30 تاریخچه مدل مدل سازی نقشه ها
31 منظم کردن دگرساز
32 برنامه ریزی یادگیری با استفاده از مجموعه داده یونوسفر
33 شبکه های عصبی انعطاف پذیر - مقدمه
34 دانلود مجموعه داده های دست نوشته شده MNIST
35 مدل چندپایه ای با استفاده از MNIST
36 مدل شبکه عصبی Convolutional با استفاده از MNIST
37 مدل شبكه عصبی Convolutional با استفاده از MNIST - قسمت 2
38 CNN بزرگ با استفاده از MNIST
39 بار ذخیره و پیش بینی با استفاده از MNIST
40 مقدمه ای بر افزایش تصویر با استفاده از Keras
41 افزایش با استفاده از استاندارد عاقلانه نمونه
42 افزایش با استفاده از ویژگی استاندارد عیار و ZCA سفید کردن
43 افزایش با استفاده از چرخش و تلنگر
44 ذخیره در افزایش برای MNIST
45 CIFAR-10 Data Recognition Object - Understanding and Loading
46 CNN ساده با استفاده از مجموعه داده CIFAR-10
47 CNN ساده با استفاده از مجموعه داده CIFAR-10 - قسمت 2
48 CNN ساده با استفاده از مجموعه داده CIFAR-10 - کدگذاری
49 آموزش و ذخیره مدل CIFAR-10
50 بار و پیش بینی با استفاده از مدل CIFAR-10 CNN

کلمات کلیدی: Keras, آموزش Keras, آموزش تصویری Keras, آموزش ویدیویی Keras, آموزش کامل Keras, آموزش کاربردی Keras, فیلم آ, Packt Publishing full tutorial collection, حشزنف حعذمهساهدل, حشزنف حعذمهساهدل, Download Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners , 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, حشزنف یثثح مثشقدهدل شدی دثعقشم دثفصخقنس عسهدل حغفاخد – نثقشس: فاث زخپحمثفث ذثلهددثقس , حشزنف یثثح مثشقدهدل شدی دثعقشم دثفصخقنس عسهدل حغفاخد – نثقشس: فاث زخئحمثفث ذثلهددثقس , The world has been obsessed with the terms "machine learning" and "deep learning" recently., دانلود آموزش های شرکت انتشارات پکت, hkjahvhj \:j, hkjahvhj m:j, دانلود آموزش آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس, اموزش آنلاین, مجازی, فیلم آموزشی, مبتنی بر کامپیوتر, یادگیری, ویدئو, دوره آموزشی, Development, download, Keras, Learning, Packt, وب, کراس, پکت, Web, آموزش, 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 Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners با آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس اشنا خواهید شد., 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 , af:i ihd uwfd fh \hdj,k :vhs, hl,ca lrnlhjd dhn'dvd uldr , af:i ihd uwfd fh mhdj,k :vhs,دانلود Packt Deep Learning and Neural Networks using Python - Keras: The Complete Beginners Guide - آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس,
2019-07-09
11:23:02

دانلود Packt Deep Learning and Neural Networks using Python - Keras: The Complete Beginners Guide - آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس
🎓 نام آموزش	Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners
📁 دسته بندی	برنامه نویسی و طراحی وب
💾 حجم فایل	3340 مگابایت
📅 تاریخ به روزرسانی	1398/4/18
📊 تعداد دانلود	6,354
❤️ هزینه دانلود	رایگان و نیم بها

تصاویر آموزش Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners

Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners Download

The world has been obsessed with the terms "machine learning" and "deep learning" recently. We use these technologies every day, with or without our knowledge. Ranging from Google suggestions, to translations, ads, movie recommendations, friend suggestions, sales and customer experiences. There are tons of other applications too so there's no wonder that deep learning and machine learning specialists, along with data science practitioners, are the most sought-after talent in the current technology world. But the problem is that, when you think about learning these technologies, there is a common misconception that it's a prerequisite to study lots of maths, statistics, and complex algorithms. It's almost like someone making you believe that you must learn the working of an internal combustion engine before you learn how to drive a car. The fact is that, to drive a car, we just only need to know how to use the user-friendly control pedals extending from the engine like the clutch, brake, accelerator, steering wheel, and so on. And with a bit of experience, you can easily drive a car. The basic know-how about the internal working of the engine is of course an added advantage while driving a car, but it's not mandatory.

Similarly, in our deep learning course, we have a perfect balance between learning the basic concepts and the implementation of the built-in deep learning classes and functions from the Keras library using the Python programming language. These classes, functions and APIs are just like the control pedals from the car engine that we can use easily to build an efficient deep-learning model. Let's see how this course is organized and an overview about the list of topics included. Overall, this is a basic to advanced crash course in deep learning neural networks and convolutional neural networks using Keras and Python. Once completed, it's sure to sky-rocket your current career prospects as this in-demand skill is the technology of the future. There is a day in the near future itself, when deep learning models will out-perform human intelligence. So be ready and let's dive into the world of thinking machines.

Table of Contents:
1 Course Intro and Table of Contents
2 Deep Learning Overview
3 Chosing ML or DL for your project
4 Preparing Your Computer
5 Python Basics
6 Installing Theano Library and Sample Program to Test
7 TensorFlow library Installation and Sample Program to Test
8 Keras Installation and Switching Theano and TensorFlow Backends
9 Multi-Layer Perceptron Concepts
10 Training Neural Network - Steps and Terminology
11 First Neural Network with Keras - Understanding Pima Indian Dataset
12 Training and Evaluation Concepts Explained
13 Pima Indian Model - Steps Explained
14 Pima Indian Model - Performance Evaluation
15 Understanding Iris Flower Dataset
16 Developing the Iris Flower Model
17 Understanding the Sonar Returns Dataset
18 Developing the Sonar Returns Model
19 Sonar Model Perfomance Improvement
20 Understanding the Boston Housing Dataset
21 Developing the Boston Housing Baseline Model
22 Boston Performance Improvement
23 Save the Trained Model as JSON File (Pima Indian Dataset)
24 Save and Load Model as YAML File - Pima Indian Dataset
25 Load and Predict using the Pima Indian Model
26 Save Load and Predict using Iris Flower Dataset
27 Save Load and Predict using Sonar Dataset
28 Save Load and Predict using Boston Dataset
29 Checkpointing Models
30 Plotting Model Behaviour History
31 Dropout Regularisation
32 Learning Rate Schedule using Ionosphere Dataset
33 Convolutional Neural Networks – Introduction
34 Downloading the MNIST Handwritten Digit Dataset
35 Multi-Layer Perceptron Model using MNIST
36 Convolutional Neural Network Model using MNIST
37 Convolutional Neural Network Model using MNIST - Part 2
38 Large CNN using MNIST
39 Load Save and Predict using MNIST
40 Introduction to Image Augmentation using Keras
41 Augmentation using Sample Wise Standardization
42 Augmentation using Feature Wise Standardization and ZCA Whitening
43 Augmentation using Rotation and Flipping
44 Saving Augmentation for MNIST
45 CIFAR-10 Object Recognition Dataset - Understanding and Loading
46 Simple CNN using CIFAR-10 Dataset
47 Simple CNN using CIFAR-10 Dataset - Part 2
48 Simple CNN using CIFAR-10 Dataset – Coding
49 Train and Save CIFAR-10 Model
50 Load and Predict using CIFAR-10 CNN Model

More info ( ↓ open / close ↑ )

مشخصات آموزش Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners

شرکت سازنده: انتشارات پکت / Packt Publishing
نام انگلیسی: Packt Deep Learning and Neural Networks using Python – Keras: The Complete Beginners
نام فارسی: آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس
زبان آموزش: انگلیسی
زیرنویس: ندارد
مدرس:Abilash Nelson
سطح آموزشی: مقدماتی
زمان آموزش: 11 ساعت +
حجم فایل: 3340 مگابایت
تاریخ انتشار: 11:22 - 1398/4/18 | 2019.07.09
منبع: پی سی دانلود / www.p30download.ir
امتیاز: 2.5/5

دانلود آموزش مقدماتی یادگیری عمیق و شبکه های عصبی با پایتون کراس