مشاهده لیست اخبار و مقاله های جدید در تمامی رشته ها

اطلاعات تماس

آدرس:اصفهان-خیابان ام کلثوم غربی - بعد خیابان تخم چی - بیست متر بعد از پیتزا ننه شب - کوچه تعمیر گاه سمار زغالی - پلاک 354 - درب مشکی - طبقه هفتم
آدرس ایمیل:najafzade@gmail.com
وب سایت:http://www.a00b.com/
تلفن ثابت:(+98)9131253620
تلفن همراه:09131253620

1	ResNet، Xception، SENet و معماری‌های Efficient CNN
2	LeNet-5، AlexNet، GoogLeNet، VGGNet و آغاز ResNet
3	Padding و Stride، Memory، Pooling و معماری پایه CNN
4	فصل ۱۴: CNN، قشر بینایی، Convolution، Filter و Feature Map
5	Embedding، Text/Image Preprocessing، TensorFlow Datasets و تمرین‌های فصل ۱۳
6	SequenceExample و Keras Preprocessing: Normalization، Lookup، Hashing و Embedding
7	Prefetch، TFRecord، Protocol Buffer و Parsing Example در TensorFlow
8	فصل ۱۳: tf.data، Shuffle، Interleave و Preprocessing داده
9	Training Loop سفارشی، tf.function، AutoGraph و تمرین‌های فصل ۱۲
10	Custom Model، Autodiff، GradientTape و Custom Gradient در TensorFlow
11	فصل ۱۲: TensorFlow سطح پایین، Tensorها، Loss و Metric سفارشی و Custom Layer در Keras
12	فصل ۱۲: TensorFlow سطح پایین، Tensorها، Variableها و ساختارهای داده
13	Dropout، MC Dropout، Max-Norm و راهنمای عملی آموزش DNN + تمرین‌ها
14	Learning Rate Scheduling و Regularization؛ L1/L2 و آغاز Dropout
15	بهینه‌سازهای شبکه عصبی؛ Momentum، NAG، AdaGrad، RMSProp، Adam و AdamW
16	Transfer Learning، استفاده مجدد از لایه‌ها و Pretraining
17	GELU و Swish، Batch Normalization و Gradient Clipping
18	فصل ۱۱: آموزش شبکه‌های عصبی عمیق؛ Vanishing/Exploding Gradients و Activationهای پیشرفته
19	تنظیم Hyperparameter شبکه عصبی با Keras Tuner و تمرین‌های فصل ۱۰
20	Subclassing API، ذخیره مدل، Callbackها و TensorBoard در Keras
21	ارزیابی، پیش‌بینی و Functional API در Keras؛ مدل‌های Wide & Deep و چندورودی/چندخروجی
22	پیاده‌سازی MLP با Keras؛ Fashion MNIST، Sequential API و آموزش مدل
23	MLP، Backpropagation و معماری‌های رگرسیون و طبقه‌بندی شبکه عصبی
24	بخش دوم و فصل ۱۰: آشنایی با شبکه‌های عصبی مصنوعی، نورون‌ها و Perceptron
25	Gaussian Mixture، تشخیص ناهنجاری، BIC/AIC و مدل‌های Novelty Detection
26	Label Propagation، Active Learning، DBSCAN و Gaussian Mixture
27	k-means پیشرفته؛ Mini-Batch، Silhouette و کاربردهای خوشه‌بندی
28	فصل ۹: یادگیری بدون نظارت؛ خوشه‌بندی و مبانی k-means
29	انتخاب ابعاد PCA، فشرده‌سازی، Random Projection و LLE
30	فصل ۸: کاهش ابعاد؛ نفرین ابعاد، Projection، Manifold و PCA
31	Gradient Boosting، HGB، Stacking و جمع‌بندی یادگیری گروهی
32	جنگل تصادفی، Extra-Trees، اهمیت ویژگی‌ها و AdaBoost
33	فصل ۷: یادگیری گروهی؛ رأی‌گیری، Bagging، Pasting و OOB
34	رگرسیون با درخت تصمیم، حساسیت به محور و واریانس مدل
35	فصل ۶: درخت‌های تصمیم؛ آموزش، پیش‌بینی، CART و منظم‌سازی
36	SVM در رگرسیون، ترفند هسته و مبانی ریاضی ماشین بردار پشتیبان
37	فصل ۵: ماشین‌های بردار پشتیبان؛ طبقه‌بندی خطی و غیرخطی
38	منظم‌سازی مدل‌ها، توقف زودهنگام، Logistic و Softmax Regression
39	گرادیان کاهشی تصادفی، رگرسیون چندجمله‌ای و منحنی‌های یادگیری
40	فصل ۴: آموزش مدل‌ها؛ رگرسیون خطی و گرادیان کاهشی

لیست مقاله ها

لیست مقاله های وبسایت

اطلاعات تماس

سایر لینکها

آخرین مقاله ها

گروه های خبری

لیست مقاله ها

لیست مقاله های وبسایت

اطلاعات تماس

سایر لینکها

آخرین مقاله ها

گروه های خبری

ورود به حساب کاربری