مبانی هوش مصنوعی: شبکه های عصبی

مدرس Gwendolyn Stripling

انتشار 2023/09/18

مدت زمان 1h 45m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Artificial Intelligence Foundations: Neural Networks

یک شبکه عصبی مصنوعی از مغز انسان به عنوان الهام برای ایجاد یک سیستم یادگیری ماشینی پیچیده استفاده می کند. آن‌ها می‌توانند میلیون‌ها صدا، ویدیو و تصویر را طبقه‌بندی کنند، به سؤالات ما پاسخ دهند، رفتارهای ما را درک کنند و حتی اتومبیل‌های ما را برانند. شبکه های عصبی همچنین پایه و اساس هوش مصنوعی مولد هستند. این دوره به معرفی تکنیک ها و اصول اساسی شبکه های عصبی، مدل های رایج و کاربردهای آنها می پردازد. مربی Gwendolyn Stripling شما را از طریق معماری های مختلف شبکه عصبی، اجزای آنها، موارد استفاده مناسب و بهترین شیوه ها برای بهبود عملکرد مدل شبکه عصبی راهنمایی می کند. به علاوه، با استفاده از Keras Sequential API، یک کتابخانه منبع باز که طراحی و آموزش شبکه های عصبی را ابهام می کند، تجربه عملی در ساخت و آموزش یک شبکه عصبی به دست آورید. اگر به دنبال دستیابی به درک کاملی از نحوه ساخت، آموزش، بهبود و استفاده از شبکه های عصبی هستید، در این دوره آموزشی به Gwendolyn بپیوندید.

Artificial Neural Networks Neural Networks

Introduction

Neural networks 101: Your path to AI brilliance ()

What you should know ()

How to use the challenge exercise files ()

1. What Are Neural Networks?

Machine learning and neural networks ()

Biological neural networks ()

Artificial neural networks ()

Single-layer perceptron ()

2. Key Components in Neural Network Architecture

Multilayer perceptron ()

Layers: Input, hidden, and output ()

Transfer and activation functions ()

How neural networks learn ()

3. Other Types of Neural Networks

Convolutional neural networks (CNN) ()

Recurrent neural networks (RNN) ()

Transformer architecture ()

4. Build a Simple Neural Network Using Keras

The Keras Sequential model ()

Use case and determine evaluation metric ()

Data checks and data preparation ()

Data preprocessing ()

Train the neural network using Keras ()

Challenge: Build a neural network ()

Solution: Build a neural network ()

5. Best Practices for Optimizing a Neural Network

Overfitting and underfitting: Two common ANN problems ()

Hyperparameters and neural networks ()

How do you improve model performance? ()

Regularization techniques to improve overfitting models ()

Challenge: Manually tune hyperparameters ()

Solution: Manually tune hyperparameters ()

Conclusion

Next steps ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش مبانی هوش مصنوعی: شبکه های عصبی

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Artificial Intelligence Foundations: Neural Networks در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

آیا می دانید هوش مصنوعی و یادگیری ماشینی چگونه بر شما، مسیر شغلی شما و دنیای اطراف ما تأثیر می گذارد؟ این مسیر یادگیری مفاهیم و مسیرهای آینده هوش مصنوعی و یادگیری ماشین را به شما می آموزد. شما قادر خواهید بود در محیط کاری خود تصمیمات و مشارکت های آگاهانه تری بگیرید.

آموزش مبانی هوش مصنوعی: شبکه های عصبی ، ایستگاه شماره 8 در مسیر یادگیری شروع با هوش مصنوعی و یادگیری ماشینی ، است.