हम एक दिन और उम्र में हैं जहां मशीनें हमारे लिए अधिक से अधिक कर रही हैं। वे सीखने में हमारी सहायता के लिए कृत्रिम बुद्धि का भी उपयोग कर रहे हैं। दीप लर्निंग एंड आर्टिफिशियल इंटेलिजेंस इंटरेक्ट्री बंडल आपको इस संबंध में सभी नवीनतम तकनीक पर पकड़ा जाएगा। आप लीनॉन में रैखिक और लॉजिस्टिक रिग्रेशन और गहरी शिक्षा के बारे में जानेंगे और साथ ही थेनो और टेंसरफ्लो में व्यावहारिक गहरी शिक्षा के बारे में जानेंगे।

इस महान बंडल में निम्नलिखित चार पाठ्यक्रम शामिल हैं।

दीप लर्निंग पूर्वापेक्षाएँ: पाइथन में रैखिक रिग्रेशन - संभावनाओं का उपयोग करके गहन सीखने में अधिक सटीक भविष्यवाणियां और कदम बनाएं

  • बीस व्याख्यान और सामग्री के दो घंटे
  • एक 1-डी रैखिक प्रतिगमन का उपयोग कर मूर का कानून साबित करें
  • एक मशीन लर्निंग मॉडल बनाएं जो एकाधिक इनपुट से सीखेगा
  • बहु-आयामी रैखिक प्रतिगमन लागू करके अपनी उम्र और वजन का उपयोग करके एक रोगी के सिस्टोलिक रक्तचाप की भविष्यवाणी करें
  • सामान्यीकरण, ओवरफिटिंग, और परीक्षण विभाजन को प्रशिक्षित करें

दीप लर्निंग पूर्वापेक्षाएँ: पाइथन में लॉजिस्टिक रिग्रेशन - तंत्रिका नेटवर्क के निर्माण खंडों के साथ पेश करें।

  • तीसरे व्याख्यान और सामग्री के तीन घंटे
  • पायथन में अपना खुद का लॉजिस्टिक रिग्रेशन मॉड्यूल कोड करना सीखें
  • एक कोर्स प्रोजेक्ट पर काम करते समय जानें, जो किसी वेबसाइट पर उपयोगकर्ता डेटा से उपयोगकर्ता क्रियाओं की भविष्यवाणी करता है
  • गहरी शिक्षा का उपयोग करके चेहरे की अभिव्यक्ति पहचान का उपयोग करें
    डेटा-संचालित निर्णय लेने का तरीका जानें

डेटा साइंस: पाइथन में दीप लर्निंग - उन लोगों की तरह कृत्रिम तंत्रिका नेटवर्क बनाने का तरीका जानें जो Google को इतना समझदार रखते हैं।

  • सातवीं व्याख्यान और चार घंटे की सामग्री
  • कई कक्षाओं में बाइनरी वर्गीकरण मॉडल का विस्तार करने के लिए सॉफ्टमैक्स फ़ंक्शन का उपयोग करें
  • नम्पी में महत्वपूर्ण प्रशिक्षण विधि, बैकप्रोपैगेशन कोड को कोड करें
  • Google की TensorFlow लाइब्रेरी का उपयोग करके एक तंत्रिका नेटवर्क को प्ले में रखें
  • किसी वेबसाइट पर उपयोगकर्ता क्रियाओं की भविष्यवाणी करने के लिए एक तंत्रिका नेटवर्क और उपयोगकर्ता डेटा का उपयोग करें
  • चेहरे की अभिव्यक्ति मान्यता के लिए गहरी शिक्षा का प्रयोग करें
  • तंत्रिका नेटवर्क में नवीनतम विकास की खोज करें

डेटा साइंस: थेनो और टेंसरफ्लो में प्रैक्टिकल दीप लर्निंग - दो सबसे लोकप्रिय गहरी सीखने वाली तकनीकों के साथ तंत्रिका नेटवर्क खोजें और बनाएं।

  • बीस-तीन व्याख्यान और प्रोग्रामिंग के तीन घंटे
  • बैच और स्टोकास्टिक ग्रेडिएंट वंश सीखें जो आपको प्रत्येक पुनरावृत्ति पर डेटा के एक छोटे से नमूने पर प्रशिक्षित करने की अनुमति देता है, प्रशिक्षण समय को तेज़ी से बढ़ाता है
  • स्थानीय मिनीमा के माध्यम से आपको कितनी गति मिल सकती है यह पता लगाएं
  • AdaGrad और RMSprop जैसे अनुकूली सीखने की दर तकनीक खोजें
  • ड्रॉपआउट नियमितकरण और अन्य आधुनिक तंत्रिका नेटवर्क तकनीकों पर जाएं
  • टेंसरफ्लोर और थेनो के चर और अभिव्यक्तियों को जानें
  • एडब्ल्यूएस पर एक जीपीयू इंस्टेंस सेट करें और एक गहरी तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए सीपीयू और जीपीयू की गति की तुलना करें
  • एमएनआईएसटी डेटासेट और ज्ञात मानक की तुलना करें

91% बंद के लिए इस महान बंडल उठाओ।

दीप लर्निंग एंड आर्टिफिशियल इंटेलिजेंस परिचय बंडल