سبد خرید

کار بر روی داده‌های متنی (تحلیل احساس) با شبکه‌های عصبی عمیق کانولوشنی - قسمت دوم (تعریف کانولوشن یک بُعدی و word embedding)

جلسه بعد
جلسه قبل

سرفصل شبکه‌های عصبی و یادگیری عمیق

برای مشاهده این دوره می بایست وارد شوید و در صورتی که عضو نیستید ثبت نام کنید.
آشنایی با شبکه‌های عصبی و پرسپترون 34:59
پیاده‌سازی یک شبکه‌ی ساده عصبی با پایتون 30:16
آشنایی با چهارچوب تنسرفلو (tensorflow) و کراس (keras) 23:16
پیاده‌سازی طبقه‌بندی تصاویر با تنسرفلو (tensorflow) و کراس (keras) - قسمت اول 40:47
پیاده‌سازی طبقه‌بندی تصاویر با تنسرفلو (tensorflow) و کراس (keras) - قسمت دوم 30:45
پیاده‌سازی شبکه‌های عصبی برای حل مسئله‌ی تشخیص بیماری قلبی عروقی با تنسرفلو و کراس 32:57
شبکه‌های عصبی کانولوشن (CNN) و مدل عمیق یادگیری 37:56
پیاده‌سازی یادگیری عمیق کانولوشنی (CNN) برای طبقه بندی تصاویر - قسمت اول 34:47
پیاده‌سازی یادگیری عمیق کانولوشنی (CNN) برای طبقه بندی تصاویر - قسمت دوم 20:31
پیاده‌سازی شبکه‌های عصبی کانولوشنی (CNN) و استفاده از تکنیک dropout 23:36
آشنایی با انواع توابع فعال‌سازی (activation functions) 28:18
کار با داده‌های حجیم در یادگیری عمیق - قسمت اول 32:05
کار با داده‌های حجیم در یادگیری عمیق - قسمت دوم (افزایش داده‌ها و ساخت داده‌ی مصنوعی) 34:20
مسئله‌ی شناخت بیماری از روی تصاویر xray قفسه سینه و کار با داده‌های نامتوازن در یادگیری عمیق - قسمت اول 34:45
مسئله‌ی شناخت بیماری از روی تصاویر xray قفسه سینه و کار با داده‌های نامتوازن در یادگیری عمیق - قسمت دوم 26:39
آشنایی با مدل‌های معروف یادگیری عمیق کانولوشنی در حل مسائل 35:34
پیاده‌سازی مدل ResNet و مدل پیش یادگیری شده در یادگیری عمیق با Tensorflow و Keras 27:09
پیاده‌سازی Resnet برای تشخیص تصاویر از وبکم لپ‌تاپ 19:46
کار بر روی داده‌های متنی (تحلیل احساس) با شبکه‌های عصبی عمیق کانولوشنی -قسمت اول 28:52
کار بر روی داده‌های متنی (تحلیل احساس) با شبکه‌های عصبی عمیق کانولوشنی - قسمت دوم (تعریف کانولوشن یک بُعدی و word embedding) 32:32
کار بر روی داده‌های متنی (تحلیل احساس) با شبکه‌های عصبی عمیق کانولوشنی - قسمت سوم (تعریف کانولوشن یک بُعدی و word embedding) 32:30
شبکه‌های عصبی عمیق چند کاناله (حل مسئله‌ی تحلیل احساس متن) 21:05
شبکه‌های عصبی عمیق چندکاناله با ورودی چندگانه - قسمت اول 36:31
شبکه‌های عصبی عمیق چندکاناله با ورودی چندگانه - قسمت دوم 38:05
شبکه‌های عصبی عمیق چندکاناله با ورودی چندگانه - قسمت سوم 27:13
جمع بندی فصل + مباحث تکمیلی ارائه شده در آینده 09:55

در این جلسه و در ادامه‌ی جلسه‌ی قبلی به معرفی روش word embedding و کانولوشن تک بُعدی می‌پردازیم و مسئله را حل خواهیم کرد

مدرس : مسعود کاویانی
در مورد این جلسه سوالی دارید؟
1