Скачать Глубокое обучение для начинающих (ИИ) — наука о данных - udemy (2022)

[bart]

Глубокое обучение для начинающих (ИИ) — наука о данных
Deep Learning for Beginner (AI) – Data Science
udemy

Изучите глубокое обучение с нуля. Это расширение машинного обучения, этот курс предназначен для новичков, которые хотят изучить основы глубокого обучения и искусственного интеллекта. Курс включает видео-объяснение с введениями (основами), подробную теорию и графические пояснения. Некоторые проекты повседневной жизни были решены с помощью программирования на Python. Ко всем разделам прикреплены загружаемые файлы электронных книг и коды Python. Лекции привлекательные, модные и быстрые. Им требуется меньше времени, чтобы провести вас через весь контент. Каждая тема была подробно изучена, чтобы охватить все возможные области, чтобы понять концепцию наиболее простым способом. Настоятельно рекомендуется для студентов, которые не знают основ машинного обучения в колледжах и университетах.

Основная цель публикации этого курса — объяснить глубокое обучение и искусственный интеллект очень простым и легким способом. Все коды были проведены через colab, который является онлайн-редактором. Python остается популярным выбором среди многих компаний и организаций. Python имеет репутацию языка, удобного для начинающих, заменив Java в качестве наиболее широко используемого вводного языка, поскольку он справляется с большей частью сложности для пользователя, позволяя новичкам сосредоточиться на полном понимании концепций программирования, а не на мельчайших деталях.

Ниже приведен список различных тем, охватываемых Deep Learning:

1. Введение в глубокое обучение
2. Искусственная нейронная сеть против биологической нейронной сети
3. Функции активации
4. Типы функций активации
5. Модель искусственной нейронной сети (ИНС)
6. Комплексная модель ИНС
7. Модель прямой ИНС
8. Модель обратной ИНС
9. Python-проект модели ANN
10. Модель сверточной нейронной сети (CNN)
11. Фильтры или ядра в модели CNN
12. Техника шага
13. Техника заполнения
14. Техника объединения
15. Процедура сглаживания
16. Python-проект модели CNN
17. Модель рекуррентной нейронной сети (RNN)
18. Работа модели RNN
19. Модель RNN один-один
20. Модель одного-многих RNN
21. Модель много-много RNN
22. Модель RNN «много одного»

Для кого этот курс:

• Новичок в области глубокого изучения искусственного интеллекта, который хочет учиться с нуля

Требования

• Основы Python и машинного обучения

Материал на английском языке



Продажник:

Для просмотра вы должны войти или зарегистрироваться.

Скачать: