برای استفاده از خدمات وارد حساب خود شوید

لطفا شماره موبایل خود را وارد کنید دریافت کد تایید

دوره بوت‌کمپ آشنایی با هوش مصنوعی

دوره ویژه کاربران اشتراکی

هوش مصنوعی

  • 1- آشنایی با دوره و درباره مدرس

    02:31

  • 2- مخاطبان مورد نظر و محتوای دوره

    03:29

  • 3- هوش مصنوعی (AI) چیست و چه دسته‌بندی‌های متنوعی دارد؟

    06:15

  • 4- ران‌تایم‌ها و تفاوت‌های مختلف بین CPU و TPU و GPU چیست؟

    07:15

  • 5- LPU چیست و چه تفاوتی با CPU و GPU و TPU دارد؟

    04:49

  • 6- مدل چیست و چه نکاتی را باید در مورد کارت مدل در نظر بگیریم؟

    02:47

  • 7- تشبیه‌های واقعی - درک وزن نورون در سناریوهای روزمره

    02:56

  • 8- نحوه کار و تریگر شدن پرسپترون‌ها و وزن‌های آنها

    02:51

  • 9- چگونه وزن‌ها در پرسپترون‌ها و نورون‌ها به صورت بلادرنگ کار می‌کنند؟

    02:48

  • 10- سوگیری‌ها چه هستند و چگونه عمل می‌کنند؟

    01:24

  • 11- تابع فعال‌سازی چیست و چرا به آن نیاز داریم؟

    01:51

  • 12- انواع توابع فعال‌سازی و یوزکیس‌های آنها کدامند؟

    03:31

  • 13- شبکه عصبی و شبکه یادگیری عمیق چه هستند؟

    02:08

  • 14- پارامتر چیست؟

    02:08

  • 15- مدل CNN چیست؟

    01:23

  • 16- هایپرپارامترها، اپوک‌ها، نرخ یادگیری و دسته‌ها چه هستند؟

    02:10

  • 17- AI Notebook (کانتکس هوش مصنوعی) چیست و چرا استفاده می‌شود؟

    01:34

  • 18- تسلط به Jupyter Notebook - راهنمایی جامع برای ناوبری

    03:22

  • 19- راه‌اندازی Jupyter Notebook محلی با آناکوندا - راهنمایی برای مبتدیان

    05:02

  • 20- راه‌اندازی محیط Navigator آناکوندا - ساده‌سازی گردش کار علم داده شما

    05:47

  • 21- راه‌اندازی حساب Google Colab و ایجاد اولین Notebook خود

    04:22

  • 22- راه‌اندازی ران‌تایم خود در GPU و اعتبارسنجی ران‌تایم GPU

    05:22

  • 23- راه‌اندازی ران‌تایم‌ها و اعتبارسنجی برنامه‌ای در دسترس بودن TPU در Colab

    02:15

  • 24- کشف قدرت واحدهای پردازش - تحلیل مقایسه‌ای CPU و GPU و TPU

    06:21

  • 25- کتابخانه‌های تنسورفلو و کراس چه هستند؟

    01:00

  • 26- دانلود مجموعه داده و درک نوع مجموعه‌ داده

    03:33

  • 27- اعتبارسنجی مجموعه داده‌های تست و آزمایش

    02:25

  • 28- نمایش ماتریسی داده‌ تصویری

    02:16

  • 29- نرمال‌سازی داده‌ پیکسلی برای CNN و افزودن ابعاد اضافی

    02:16

  • 30- تعریف مرحله کانولوشن در فرآیند تعریف مدل

    01:20

  • 31- درک مدل معمول CNN

    00:56

  • 32- درک فرآیند ضرب ماتریسی در لایه کانولوشن برای شناسایی لبه‌ها

    00:29

  • 33- درک شناسایی لبه و لایه‌های باقیمانده و تنظیم هایپرپارامترها

    06:02

  • 34- Maxpooling چیست؟

    00:32

  • 35- تأیید و اعتبارسنجی دقت مدل

    01:43

  • 36- ذخیره‌ مدل به‌ صورت محلی و تست تصویر محلی

    00:45

  • 37- تست تصویر نمونه محلی

    00:22

  • 38- تابع ضرر یا هزینه چیست؟

    03:56

  • 39- پس انتشار و انتشار مستقیم چیست؟

    01:53

  • 40- گرادیان کاهشی چیست و انواع آن کدامند؟

    04:26

  • 41- Tweak کردن هایپرپارامترهای مدل برای افزایش دقت

    01:38

درباره این دوره

دوره های آموزشی مرتبط

دانلود اپلیکیشن آموزش روز