دوره آموزشی - جستجوی «پایتون 15332»

نتایج جستجوی «پایتون 15332» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

آموزش درک مقدماتی شبکه

کاربرد دوره آموزش رایگان درک شبکه چیست؟ شبکه‌ها مجموعه‌ای از کامپیوتر‌ها، سخت‌افزارها و نرم‌افزارها هستند که می‌توانند به شکل معناداری اطلاعات و داده‌ها را با یکدیگر به اشتراک بگذارند. شبکه‌های کامپیوتری تنها مختص مهندسان کامپیوتر نیست. این رشته می‌تواند شاخه‌ای از مهندسی برق، مهندسی الکترونیک، ارتباطات راه دور، علوم رایانه و حتی فناوری اطلاعات باشد. حوزه استفاده از شبکه‌های کامپیوتری بسیار گسترده است. تمام مکان‌های تجاری و غیرتجاری نیاز به شبکه دارند. تقریبا می‌توان گفت هیچ مکانی وجود ندارد که شبکه‌ها به آن راه نیافته باشد. موسسات، سازمان‌ها، شرکت‌ها، کارگاه‌ها، مراکز درمانی و آموزشی و همچنین فروشگاه‌ها از این فناوری بهره می‌برند. در این دوره به یادگیری عمیق شبکه نمی‌پردازیم. تنها در طی 14 جلسه سعی می‌کنیم مسیر درک شبکه را برای شما هموار کنیم تا بتوانید گام‌های بعدی را خودتان بردارید. در واقع دوره درک شبکه جادی به توضیح دقیق دستورها، اسامی و سایر اطلاعات نمی‌پردازد. بلکه این دوره قصد دارد مفاهیم کاربردی شبکه‌های کامپیوتری را طوری به شما ارائه دهد که بتوانید به صورت عملی کار با این فناوری مهم را یاد بگیرید. شبکه یک مفهوم بسیار گسترده است. برای اینکه بتوانید آن را به خوبی یاد بگیرید، بهتر است از یک مدل لایه‌بندی شده استفاده کنید. مدل osi پردازش کامل شبکه را به چند وظیفه کوچک‌تر تقسیم می‌کند. سپس برای هر لایه وظایف خاص خودش را تعریف می‌کند. بدین ترتیب با یادگیری گام به گام لایه‌های شبکه می‌توانید به درک شبکه برسید. در مدل osi هر لایه یک وظیفه منحصربه‌فرد دارد و تنها به لایه قبل و بعد خودش سرویس می‌دهد. در این دوره تا حد امکان به لایه‌های مهمی می‌پردازیم که مورد کاربرد هر برنامه‌نویسی می‌تواند باشد. لایه اول لایه فیزیکال است. این لایه همانطور که از اسمش پیداست با مشخصات فیزیکی محیط انتقال سروکار دارد. روتر، کابل، کامپیوتر و هر وسیله فیزیکی دیگری می‌تواند در این لایه قرار بگیرد. لایه دوم دیتا لینک نام دارد. این لایه به انتقال اطلاعات و داده‌ها می‌پردازد. این لایه همچنین وظیفه تشخیص و اصلاح خطا را هم به عهده دارد. سوئیچ‌ها، پل‌ها، ایستگاه‌های اتصال بی‌سیم و همچنین اصطلاحاتی مانند ppp و Ethernet در این لایه قرار می‌گیرند. لایه سوم از مدل osi لایه نتورک یا شبکه است. پروتکل معروف IP در این لایه قرار دارد که وظیفه مسیریابی را برعهده دارد. لایه چهارم که لایه انتقال یا transport نام دارد که این اتصال منطقی بین دو پایانه در شبکه ایجاد می‌کند. در مورد این لایه‌ها و کارهایی که می‌توان در هرکدام انجام داد، به طور مفصل‌تر در دوره آموزش رایگان درک شبکه مقدماتی می‌پردازیم. لایه‌های بعدی شامل session (نشست)، presentation (نمایش)و application (کابردی) می‌شود. این لایه‌ها مختص برنامه‌نویسان شبکه بوده و از حوزه این دوره خارج است. سوئیچینگ در شبکه‌های کامپیوتری از دیگر مباحث مهم در این حوزه است که انتظار می‌رود هر مهندس کامپیوتر و برنامه‌نویسی با آن آشنایی داشته باشد. سوئیچینگ باارزش‌ترین دارایی یک شبکه کامپیوتری است. سوئیچینگ همان فرایند انتقال پکت‌ها از یک پورت به پورت دیگر به عنوان مقصد نهایی است. به وضعیتی که داده‌ها به یک پورت وارد می‌شوند، ingress و هنگامی که آن‌ها از پورت خارج می‌شوند، egress می‌گویند. یک سیستم ارتباطی ممکن است شامل چندین سوئیچ و گره باشد. در سطح گسترده‌تر سوئیچینگ را به دو دسته عمده تقسیم می‌کنند؛ سوئیچینگ بدون اتصال و سوئیچینگ اتصال محور. دوره درک شبکه جادی به شما کمک می‌کند تا بتوانید راه‌اندازی لب و سوئیچینگ را فرابگیرید. هدف از یادگیری دوره آموزش رایگان درک شبکه چیست؟ آشنایی مقدماتی با شبکه بعد از فراگیری دوره آموزش رایگان درک شبکه چه مهارت‌هایی کسب خواهید کرد؟ راه‌اندازی لب و سوییچینگ نحوه گرفتن اتوماتیک IP و DHCP روتینگ و مسیریابی آشنایی و نحوه کار با DNSها آشنایی با ابزارهای ترابل شوتینگ و حل مشکلات مربوط به اینترنت و شبکه آشنایی با nat آشنایی با پروتکل‌های TCP و UDP و کار با آن‌ها

67,150 تومان
آموزش یادگیری عمیق با پایتون – تنسورفلو و کراس TensorFlow و Keras

آموزش یادگیری عمیق با پایتون – تنسورفلو و کراس TensorFlow و Keras

در سال‌های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است. یکی از مهم‌ترین شاخه‌های مبحث یادگیری عمیق، بسترهای نرم‌افزاری و برنامه‌نویسی هستند که به منظور پیاده‌سازی و آموزش مدل‌ها به کار می‌روند. همچنین، فعالیت‌های زیادی در زمینه ایجاد بسترها و کتابخانه‌های نرم‌افزاری مخصوص یادگیری عمیق، توسط شرکت‌ها و دانشگاه‌های معتبر دنیا، انجام شده است؛ در میان این بسترها، با اطمینان می‌توان بستر TensorFlow شرکت گوگل را پرکاربردترین و محبوب‌ترین و در عین حال، قدرتمندترین بستر نرم‌افزاری در این زمینه معرفی کرد. در این زمینه نیز پرکاربردترین کتابخانه سطح بالا که به طور رسمی توسط بستر TensorFlow گوگل پشتیبانی می‌شود، کتابخانه Keras است. در این فرادرس به آموزش عملی کدنویسی Python در کتابخانه Keras بر پایه بستر TensorFlow خواهیم پرداخت.

399,000 تومان

آموزش پردازش موازی در پایتون

آشنایی با پردازش موازی در پایتون در دنیای امروز پایتون به‌خاطر سادگی و امکانات و کتابخانه‌های بسیار گسترده‌اش به یکی از محبوب‌ترین و جذاب‌ترین زبان‌های برنامه‌نویسی تبدیل شده است. درواقع برنامه‌نویسان پایتون با نوشتن برنامه‌های ساده می‌توانند کارهای بزرگ و پیچیده را به‌راحتی انجام دهند. با توجه به اهمیت افزایش سرعت اجرای برنامه‌ها و موازی‌سازی در کامپیوتر لازم است که برنامه‌نویسان این زبان به سراغ پردازش موازی در پایتون بروند. این شیوه برنامه‌نویسی از برنامه‌نویسی عادی پیچیده‌تر نخواهد بود؛ اما سرعت اجرای برنامه‌ها و عملکرد آن‌ها را به طرز شگفت‌انگیزی تغییر خواهد داد. هدف از دوره پردازش موازی در پایتون تربیت برنامه‌نویسانی است که به‌صورت حرفه‌ای برنامه می‌نویسند و از همه توان سخت‌افزاری کامپیوتر و وسایل هوشمند برای اجرای برنامه‌ها استفاده می‌کنند. این دوره به زبان پایتون ارائه می‌شود؛ اما مفاهیم آن به‌گونه‌ای بیان خواهد شد که هرکسی که از زبان‌های دیگر برای برنامه‌نویسی استفاده می‌کند هم بتواند ترفندهای آن را به کار بگیرد. نکته مهم این است که همیشه پردازش موازی در پایتون یا هر زبان برنامه‌نویسی دیگری نمی‌تواند باعث بهبود سرعت برنامه‌ها شود و حتی ممکن است آن‌ها را کندتر از حالت عادی به نتیجه نهایی برساند. یکی از اهداف مهم و کاربردی در این دوره کسب مهارت شناسایی مسائلی است که موازی‌سازی برای آن‌ها مفید نیست تا وقت برنامه‌نویسان برای نوشتن برنامه‌های بی‌فایده تلف نشود.

143,650 تومان

آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین

دوره آموزش «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چیست؟ یکی از انواع روش‌های یادگیری ماشین (Machine Learning) و هوش مصنوعی، یادگیری عمیق (Deep learning) است. طی این روش، تلاش بر این است که قابلیتی به ماشین (سیستم کامپیوتری) اضافه شود تا ماشین در تصمیم‌گیری‌ها روشی مشابه فرایند ذهن انسان را داشته باشد و به نوعی فعالیت‌های ذهن انسان را تقلید کند. در دوره «آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» شرکت‌کنندگان با موضوعات مختلفی از جمله مدل‌سازی سطح پایین در تنسورفلو آشنا خواهند شد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است و به دلیل ویژگی‌های جذابی که در اختیار کاربران قرار می‌دهد، کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌ترین کاربردهای تنسورفلو در پیاده‌سازی شبکه‌های عصبی است؛ به همین دلیل این کتابخانه، به عنوان پراستفاده‌ترین کتابخانه در یادگیری عمیق شناخته می‌شود. شرکت‌کنندگان این دوره با همه مباحث مربوط به یادگیری عمیق، مدل‌سازی سطح پایین و کتابخانه تنسورفلو آشنا خواهند شد. به طور مشخص شرکت‌کنندگان در این دوره با مباحث زیر سروکار خواهند داشت: آشنایی با تعاریف کلی و مفاهیم مربوط به یادگیری عمیق و مدل‌سازی سطح پایین چگونگی طراحی دلخواه اِلمان‌های مختلف یک شبکه عصبی مانند loss، metric، activation function و حتی لایه‌ها و مدل‌ها چگونگی پیاده‌سازی training loop به صورت کامل و دلخواه آشنایی با تعاریف و عملیات‌های ممکن روی تنسورها آشنایی با امکانات پردازش داده تنسورفلو شرکت‌کنندگان این دوره پس از گذراندن این دوره علاوه بر آشنایی با مباحث و تعاریف کلی موارد زیر را نیز به طور کامل فرا خواهند گرفت: آشنایی با تنسورها و انجام محاسبات با آن‌ها پیاده‌سازی loss، activation function، initializer، regularizer، metric، لایه و مدل دلخواه آشنایی با GradientTape و طراحی حلقه آموزش دلخواه آشنایی با Data API تنسورفلو هدف از برگزاری دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چیست؟ مدل‌سازی سفارشی و سطح پایین یکی از مهم‌ترین مهارت‌ها برای افرادی است که قصد دارند در زمینه یادگیری عمیق فعالیت داشته باشند. شما ممکن است بخواهید ایده‌های جدیدی را برای طراحی یک شبکه عصبی پیاده‌سازی کنید. یعنی شبکه‌ای طراحی کنید که تعدادی از اِلمان‌ها به‌صورت default در آن وجود نداشته باشد. به‌عنوان مثال می‌خواهید یک loss جدید تعریف کنید و یا عملکرد شبکه را با یک متریک جدید ارزیابی کنید؛ یا لایه‌ای بسازید که عملکرد جدیدی داشته باشد. پس از گذراندن این دوره با امکانات لازم در تنسورفلو برای این محاسبات آشنا می‌شوید و می‌توانید شبکه‌ای کاملا دلخواه با نیازها و ایده‌آل‌های خودتان ایجاد کنید. هدف اصلی این دوره آشنایی با همه مباحثی است که در این مسیر مورد نیاز شما خواهند بود و برای کار در این مسیر باید به آن‌ها تسلط پیدا کنید. دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» برای چه کسانی مناسب است؟ مباحث مطرح شده در این دوره برای همه افرادی که به موضوعاتی همچون یادگیری عمیق و هرآنچه به این موضوع مربوط می‌شود علاقه‌مند هستند، مفید و کاربردی خواهد بود. به طور خاص این دوره برای کسانی است که با تنسورفلو و کراس آشنایی دارند و قصد دارند با گذراندن یک دوره آموزشی علاوه بر مرور مجدد مباحث مربوط به این عناوین، گامی بزرگ در جهت ماهرتر شدن در مدل سازی شبکه‌های عصبی برای یادگیری عمیق بردارند.

203,150 تومان

آموزش یادگیری ماشین با پایتون

دوره آموزش یادگیری ماشین با پایتون چیست؟ در این دوره آموزشی به یادگیری ماشین با استفاده از زبان برنامه‌­نویسی شناخته شده و کار­آمد پایتون پرداخته می­‌شود. دوره آموزش یادگیری ماشین با پایتون به این صورت برنامه‌ریزی شده است که از مقدمات شروع می‌­شود و به مباحث پیشرفته و جدید یادگیری ماشین با پایتون می­‌پردازد. دوره آموزش یادگیری ماشین جادی در دو بخش تدوین شده است؛ در بخش اول شما باهدف یادگیری ماشین و کاربرد آن در دنیای واقعی آشنا خواهید شد. در بخش دوم این دوره یک نمای کلی از مباحث یادگیری ماشین مانند یادگیری تحت نظارت و بدون نظارت، ارزیابی مدل­‌ها و الگوریتم­‌های ماشین لرنینگ به شرکت‌کنندگان ارائه خواهد شد. هدف از آموزش دوره یادگیری ماشین با پایتون چیست؟ هدف از برگزاری این دوره، آموزش ماشین لرنینگ به‌صورت مرحله‌به‌مرحله از مباحث مقدماتی تا مباحث جدید و پیشرفته است. شرکت در این دوره آموزشی به شما کمک خواهد کرد تا در محیط واقعی و کاربردی از زبان برنامه­‌نویسی پایتون استفاده کنید و مهارت خود را در زمینه برنامه­‌نویسی پایتون افزایش دهید. در کنار این موضوع، آموزش یادگیری ماشین را به‌عنوان هدف اصلی این دوره آموزشی دنبال خواهید کرد. در انتهای این دوره چه مهارت‌­هایی کسب خواهید کرد؟ با شرکت در این دوره علاوه بر آشنایی با کلیات یادگیری ماشین شما با مباحث دیگری از مانند مسائل زیر آشنا شوید: 1. یادگیری تحت نظارت و بدون نظارت 2. ارزیابی مدل­‌ها و الگوریتم‌­های یادگیری ماشین 3. رگرسیون 4. طبقه‌بندی 5. خوشه‌بندی 6. یادگیری کیت علمی 7. SciPy ویژگی متمایز این دوره نسبت به دوره‌­های مشابه چیست؟ مدرس این دوره جادی میرمیرانی است. در کنار مدرس حرفه‌­ای و مسلط این دوره ساختاری که برای آموزش این دوره در نظر گرفته شده است نسبت به دوره‌­های مشابه متمایز است. به این صورت که این دوره آموزشی در دو بخش تدوین شده است و در این دو بخش علاوه بر آموزش مقدمات به مباحث جدید و اساسی در آموزش یادگیری ماشین با پایتون پرداخته شده است. در کنار این موارد در تمام طول دوره شما می‌­توانید سوالات و ابهامات خود را با استاد دوره در میان بگذارید و پاسخ همه سوالات خود را به دست بیاورید. در پایان دوره یادگیری ماشین با پایتون و پس از انجام آزمون در صورت کسب نمره قبولی مدرک معتبر مکتب‌­خونه مربوط به گذراندن این دوره به شما داده می­‌شود و با استفاده از این مدرک شما می­‌توانید شرایط خود را در آزمون‌­های استخدامی و مصاحبه­‌های مربوط به استخدام بهبود ببخشید.

373,150 تومان

آموزش Git

گیت (Git) یک سامانه‌ی کنترل نسخه‌ی توزیع ‌شده است که طراحی شده تا بتواند تغییرات سورس کد را در طول توسعه‌ی نرم‌افزار شناسایی کرده و ردیابی کند. هدف اصلی از ساخته شدن این سامانه این است که همکاری و کار تیمی در میان برنامه‌نویسانی که بر روی پروژه‌های مشترک کار می‌کنند تسهیل شود، اما می‌توان از آن برای ردیابی هر نوع تغییراتی در انواع فایل‌های مختلف استفاده کرد. سایر اهداف این سامانه عبارت‌اند از سرعت بالاتر، انسجام داده‌ها، و پشتیبانی روال‌های کاری توزیع شده و غیر خطی. این دوره آموزش Git به شما کمک خواهد کرد تا با مفهوم Git و ابزارهای مختلف آن آشنا شوید و در مدت زمان کوتاهی بتوانید از آن به طور موثر استفاده کنید. Git در سال ۲۰۰۵ توسط لینوس تروالدز و در پی توسعه‌ی کرنل لینوکس ساخته شد تا سایر توسعه‌دهنده‌های کرنل بتوانند با راحتی و سرعت بیشتری در توسعه‌ی آن مشارکت کنند. از سال ۲۰۰۵ به بعد افرادی کلیدی از جمله جونیو هامانو از نگهداری‌کننده‌های اصلی آن بوده‌اند. درست مانند سایر سامانه‌های کنترل نسخه‌ی توزیع شده، و بر خلاف بسیاری از سامانه‌های کلاینت-سروری، تمام مخزن‌های گیت روی تمام کامپیوترهایی که روی آن‌ها بارگذاری شده‌است، نسخه‌ی کاملی از تاریخچه به همراه توانایی ردیابی نسخه، فارغ از اتصال یا عدم اتصال به شبکه یا سرور مرکزی، وجود دارد. امروزه میلیون‌ها پروژه از Git استفاده می‌کنند. با استفاده از گیت می‌توان تغییراتی که در هر مرحله از پروژه اعمال شده را پیگیری کرد، قسمتی از پروژه را به صورت مستقل توسعه داد و یا حتی در صورت بروز مشکل در هر مرحله به نقطه‌ای پایدار و بدون مشکل بازگشت و از بروز اشتباهات احتمالی در هر مرحله از توسعه نرم افزار جلوگیری کرد. پس از گذراندن دوره آموزش Git شما قادر خواهید بود که روی پروژه‌ای مشترک با همکاران خود روی توسعه محصولات مختلف کار کنید، حتی روی پروژه‌های شخصی که به صورت مستمر نیاز به بازبینی و ویرایش دارند یا روند تغییرات نسخه‌های مختلف را در مراحل متفاوت توسعه نرم‌افزار بررسی، پیگیری و کنترل کنید و غیره.

339,150 تومان

دوره یادگیری عمیق با تنسورفلو و کراس

دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ دوره آموزش یادگیری عمیق با تنسورفلو و کراس به آموزش کاربردی یادگیری عمیق و تمام مباحث مربوط به کتابخانه‌­های تنسورفلو و کراس می‌­پردازد. به طور مشخص­‌تر موضوعاتی که در این دوره دنبال می‌­شود شامل موارد زیر است: پیاده‌­سازی شبکه‌­های عصبی (یادگیری عمیق) در پایتون پیاده‌­سازی شبکه­‌های Multi-layer perceptron (MLP) و Convolutional بحث و بررسی در رابطه با موضوعات گوناگون یادگیری عمیق مانند: Transfer learning، Overfitting و Regularization بررسی دقیق و عمیق تنسورفلو و کراس آشنایی با یادگیری عمیق، تنسورفلو و کراس در یک تعریف کلی، یادگیری عمیق یکی از شاخه­‌های یادگیری ماشین و هوش مصنوعی است که در آن سعی می­‌شود از روش کارکرد مغز برای یادگیری موضوعات استفاده شود. در یادگیری عمیق به کامپیوترها آموزش داده می‌­شود که برای حل مسائل از روش­‌هایی استفاده کنند که مغز انسان برای حل مسائل از آن روش‌­ها استفاده می‌­کند. به طور کلی یادگیری عمیق سعی می‌­کند به شبیه‌سازی مغز انسان بپردازد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است که کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌­ترین کاربردهای تنسورفلو در پیاده‌­سازی شبکه­‌های عصبی است. به همین دلیل است که این کتابخانه، پراستفاده‌­ترین کتابخانه در یادگیری عمیق است. کراس یک کتابخانه در تنسورفلو است که با هدف توسعه شبکه‌­های عصبی ایجاد شده است. هدف از برگزاری دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ امروزه اهمیت یادگیری عمیق در بسیاری از تکنولوژی‌­ها بر کسی پوشیده نیست؛ تا جایی که در دنیای امروز یادگیری عمیق به مغز محاسباتی در بسیاری از زمینه­‌های علم و تکنولوژی تبدیل شده است. به همین دلیل است که در دنیایی از صنایع مختلف تا تکنولوژی‌­های مختلف، تقریبا هیچ موردی را نمی‌­توان پیدا کرد که در آن ردپایی از یادگیری عمیق دیده نشود. به این ترتیب، اصلی­‌ترین هدف این دوره آموزش کاربردی یادگیری عمیق و شناخت ابعاد گوناگون آن است. در این دوره شما با این ابزار بسیار مهم به ­صورت عملیاتی آشنا می‌­شوید و جزئیات لازم برای پیاده‌­سازی بهینه این الگوریتم‌ها را در عمل می­‌آموزید. در ادامه راه می‌­توانید از این ابزار در هر زمینه‌­ای که با داده روبه‌­رو می‌شوید و به دنبال پیدا کردن الگوهای آن هستید، استفاده کنید. دوره آموزش یادگیری عمیق با تنسورفلو و کراس برای چه کسانی مناسب است؟ محتوای این دوره به نحوی انتخاب شده که مناسب افرادی باشد که دوره یادگیری ماشین را گذرانده‌اند و با مفاهیم ابتدایی هوش مصنوعی آشنایی دارند و به دنبال ادامه مسیر یادگیری/شغلی در این زمینه هستند. با توجه به اینکه این دوره ترکیب آموزش مفاهیم تئوری و عملی در کنار یکدیگر است، دانشجویان این دوره می‌توانند مسائل دنیای واقعی مثل پردازش تصویر، پردازش زبان طبیعی، پیش‌بینی‌های دنباله‌های عددی و ترافیک و غیره را حل کنند. بنابراین این دوره مناسب کسانی خواهند بود که علاقه‌مند به مباحث پیشرفته هوش مصنوعی و چالش‌های لبه‌ی تکنولوژی هستند. در انتهای دوره آموزش یادگیری عمیق با تنسورفلو و کراس مخاطب چه دستاوردی خواهد داشت؟ با توجه به محتوایی که در این دوره به شرکت‌­کنندگان آموزش داده می‌­شود، در انتهای دوره مخاطبان محترم با موارد زیر آشنایی خواهند داشت: پیاده­‌سازی شبکه‌­های MLP پیاده‌­سازی شبکه­‌های Sequential، Functional و Subclass بهینه­‌سازی پارامترهای شبکه­‌های عصبی شناخت ترکیب مناسب activation function و initialization شناخت بهینه‌­ساز­ها و برنامه‌­های زمانی متناسب شناخت راهکارهای مقابله با Overfitting شناخت ابزار لازم برای ارزیابی عدم قطعیت پیش‌بینی شبکه­‌های عصبی پیاده‌سازی Transfer learning و استفاده از شبکه­‌های قدرتمند آماده پیاده‌­سازی شبکه­‌های Convolutional

832,150 تومان
دوشنبه 10 اردیبهشت 1403، ساعت 07:13