مقاله های منتشر شده گروه هوش مصنوعی

مقاله های منتشر شده گروه هوش مصنوعی

دسته بندی مقاله ها برای دسترسی سریع تر
صفحه قبلی
پیمایش رکوردها - صفحه 7 از 8
12345678
صفحه بعدی
1 فصل ۱۲: TensorFlow سطح پایین، Tensorها، Variableها و ساختارهای داده
2 Dropout، MC Dropout، Max-Norm و راهنمای عملی آموزش DNN + تمرین‌ها
3 Learning Rate Scheduling و Regularization؛ L1/L2 و آغاز Dropout
4 بهینه‌سازهای شبکه عصبی؛ Momentum، NAG، AdaGrad، RMSProp، Adam و AdamW
5 Transfer Learning، استفاده مجدد از لایه‌ها و Pretraining
6 GELU و Swish، Batch Normalization و Gradient Clipping
7 فصل ۱۱: آموزش شبکه‌های عصبی عمیق؛ Vanishing/Exploding Gradients و Activationهای پیشرفته
8 تنظیم Hyperparameter شبکه عصبی با Keras Tuner و تمرین‌های فصل ۱۰
9 Subclassing API، ذخیره مدل، Callbackها و TensorBoard در Keras
10 ارزیابی، پیش‌بینی و Functional API در Keras؛ مدل‌های Wide & Deep و چندورودی/چندخروجی
11 پیاده‌سازی MLP با Keras؛ Fashion MNIST، Sequential API و آموزش مدل
12 MLP، Backpropagation و معماری‌های رگرسیون و طبقه‌بندی شبکه عصبی
13 بخش دوم و فصل ۱۰: آشنایی با شبکه‌های عصبی مصنوعی، نورون‌ها و Perceptron
14 Gaussian Mixture، تشخیص ناهنجاری، BIC/AIC و مدل‌های Novelty Detection
15 Label Propagation، Active Learning، DBSCAN و Gaussian Mixture
16 k-means پیشرفته؛ Mini-Batch، Silhouette و کاربردهای خوشه‌بندی
17 فصل ۹: یادگیری بدون نظارت؛ خوشه‌بندی و مبانی k-means
18 انتخاب ابعاد PCA، فشرده‌سازی، Random Projection و LLE
19 فصل ۸: کاهش ابعاد؛ نفرین ابعاد، Projection، Manifold و PCA
20 Gradient Boosting، HGB، Stacking و جمع‌بندی یادگیری گروهی
21 جنگل تصادفی، Extra-Trees، اهمیت ویژگی‌ها و AdaBoost
22 فصل ۷: یادگیری گروهی؛ رأی‌گیری، Bagging، Pasting و OOB
23 رگرسیون با درخت تصمیم، حساسیت به محور و واریانس مدل
24 فصل ۶: درخت‌های تصمیم؛ آموزش، پیش‌بینی، CART و منظم‌سازی
25 SVM در رگرسیون، ترفند هسته و مبانی ریاضی ماشین بردار پشتیبان
26 فصل ۵: ماشین‌های بردار پشتیبان؛ طبقه‌بندی خطی و غیرخطی
27 منظم‌سازی مدل‌ها، توقف زودهنگام، Logistic و Softmax Regression
28 گرادیان کاهشی تصادفی، رگرسیون چندجمله‌ای و منحنی‌های یادگیری
29 فصل ۴: آموزش مدل‌ها؛ رگرسیون خطی و گرادیان کاهشی
30 طبقه‌بندی چندکلاسه، تحلیل خطا و سامانه‌های چندبرچسبی
31 فصل ۳: طبقه‌بندی؛ MNIST، طبقه‌بندی دودویی و معیارهای ارزیابی
32 ارزیابی نهایی، استقرار، پایش و نگهداری سامانهٔ یادگیری ماشین
33 انتخاب و آموزش مدل، اعتبارسنجی متقابل و تنظیم فراپارامترها
34 تبدیل ویژگی‌ها، Transformerهای سفارشی و Pipelineهای پیش‌پردازش
35 آماده‌سازی داده: پاک‌سازی، ویژگی‌های دسته‌ای و مقیاس‌بندی
36 کاوش و مصورسازی داده، همبستگی‌ها و ترکیب ویژگی‌ها
37 ساخت مجموعهٔ آزمون و نمونه‌گیری طبقه‌بندی‌شده
38 کار با Google Colab و شناخت ساختار داده‌های مسکن کالیفرنیا
39 فصل ۲: پروژهٔ یادگیری ماشین از ابتدا تا انتها؛ صورت‌بندی مسئله و معیارهای ارزیابی
40 آزمون و اعتبارسنجی، انتخاب مدل، ناهماهنگی داده و تمرین‌های فصل ۱
صفحه قبلی
پیمایش رکوردها - صفحه 7 از 8
12345678
صفحه بعدی

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