#آموزش #مقدماتی #keras


How to use Keras fit and fit_generator (a hands-on tutorial)

The Keras deep learning library includes three separate functions that can be used to train your own models:

.fit
.fit_generator
.train_on_batch


https://www.pyimagesearch.com/2018/12/24/how-to-use-keras-fit-and-fit_generator-a-hands-on-tutorial/

#مقدماتی

https://t.me/cvision/1609
https://t.me/cvision/1610

دو فیلم بالا آشنایی کلی با اینکه
یادگیری عمیق چیه! چه فرقی با هوش مصنوعی و ماشین لرنینگ داره را بیان میکنه. یه مقدار سر انتخاب فریم ورک بحث میکنیم
و در ادامش پایتونو معرفی میکنه و در آخر سراغ کتابخونه هایی مثل numpy میره و خیلی خلاصه pandas و matplotlib هم معرفی میکنه.

این دو فیلم برای کسی تا الان یادگیری عمیق شروع نکرده و دوست داره تازه بیاد سمتش مناسبه

اگر تا الان سمتش نرفته بودید و تازه جذبش شدید بلاگ پست پایین هم مطالب رایگان و پولی انگلیسی و فارسیو برای ادامه راهتون میگه:

http://class.vision/deeplearning-learning-path/

فیلم ذخیره شده لایو را میتونید از اینجا ببینید:

https://www.instagram.com/tv/CAaxVwmDaNz/?igshid=1x0cjgz1jhk73

#مقدماتی

#مقدماتی
هوش مصنوعی و یادگیری عمیق ار از کجا شروع کنم؟

https://t.me/cvision/1609
https://t.me/cvision/1610

دو فیلم بالا آشنایی کلی با اینکه
یادگیری عمیق چیه! چه فرقی با هوش مصنوعی و ماشین لرنینگ داره را بیان میکنه. یه مقدار سر انتخاب فریم ورک بحث میکنیم
و در ادامش پایتونو معرفی میکنه و در آخر سراغ کتابخونه هایی مثل numpy میره و خیلی خلاصه pandas و matplotlib هم معرفی میکنه.

این دو فیلم برای کسی تا الان یادگیری عمیق شروع نکرده و دوست داره تازه بیاد سمتش مناسبه

بعد این که پایتون را یاد گرفتید، مقدمات شبکه عصبی و یادگیری براتون مناسبه که از این دوره میتوانید استفاده کنید و به مناسبت ماه مبارک با 30 درصد تخفیف آن را تهیه کنید.

http://class.vision/deeplearning-keras/

کد تخفیف: ramezan400

پیش نمایش دوره: https://www.aparat.com/v/0xgm5 (قسمتی از کلاس به صورت رایگان به عنوان پیش نمایش قرار گرفته است.)

اگر تا الان سمتش نرفته بودید و تازه جذبش شدید بلاگ پست پایین هم مطالب رایگان و پولی انگلیسی و فارسیو برای ادامه راهتون میگه:

http://class.vision/deeplearning-learning-path/

#مقدماتی
هوش مصنوعی و یادگیری عمیق ار از کجا شروع کنم؟

3 ساعت نخست که در این سه ساعت مقدمات شبکه عصبی در فریم ورک تنسرفلو/ کراس بحث میشود:

دوره آموزشی یادگیری عمیق و Keras
https://www.aparat.com/v/0xgm5

پیش نیاز:
پایتون که در اینجا میتوانید رایگان ببینید:
https://t.me/cvision/2264

سرفصل مطالب:

ماژول 1 - آشنایی با هوش مصنوعی و تاریخچه آن:

-History of AI
-AI, ML, and Deep learning
-Applications of artificial intelligence and types of AI
-Supervised and Unsupervised Learning

ماژول 2 - یادگیری ماشین و پیاده سازی در پایتون

-Getting started in scikit-learn with iris dataset
-Image as a data
-Persian digit dataset
-Persiab digit classification
-generalization, overfitting, and underfitting
-Linear Regression
-Linear Models and Regularization methods
-Unsupervised learning(Transformations)
-Unsupervised learning(Clustring)
-Cross validation, Model complexity and Gridsearch,
-Model Evaluation and Confusion matrix

ماژول 3 - شبکه های عصبی و شبکه های عصبی عمیق (Deep learning)

-what is perceptron and introduction to neural network
-Nonlinearity,activation function, and cost function
-optimization, gradient descent, and backpropagation
-how define a model in Keras and tensorflow
-Batch, Mini-Batch and Stochastic Gradient decent,
-Simple Neural Network in Keras
-Sparse label, from logits and flatten layer ,
-overfitting and dropout

ماژول 4 - شبکه های عصبی کانولوشنالی

a brief history of CNN
-Layer hirarchy in convolutional neural network
-Convolution kernel
padding and stride in convolution
-convolution on rgb image and simple network
-average and max pooling operation
-LeNet-5 architecture
-Calculating the number of Parameters and shapes in CNNs
-Convolution Neural Network in Tensorflow Keras
-Learning rate
- BatchNorm


پیش نیاز:
آشنایی با پایتون

#بلاگ_پست #مقدماتی + فیلم

هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و شبکه‌های عصبی: تفاوت آن‌ها در چیست؟

#مینی_کورس رایگان و #مقدماتی
مناسب برای کسانی که تا حالا با میدجرنی کار نکردند