easyT
  • S'abonner
Se connecter
easyT
  • Diplômes
  • Cours
  • Livres numériquesBientôt
  • Formateurs
  • S'abonner
Se connecter

Parcourir

  • Tous les cours
  • Diplômes
  • S'abonner
  • Formateurs

Compte

  • Mes cours
  • Achats
  • Favoris
  • Paramètres

Rejoignez-nous

  • Devenir formateur
  • Affiliation
  • À propos

Téléchargez l'app

Apps en développement
Tous droits réservés © 2003-2026 · easyT.onlineConditions généralesPolitique de confidentialitéPolitique de remboursementContactez-nousVérifier un certificat

Deep Learning

Simulation de l'esprit humain dans la pensée

4.4(90)12h 40min64 leçons5 sections

Ce que vous apprendrez

  • Comprendre les bases de l'apprentissage profond
  • Apprendre à mettre en œuvre des réseaux neuronaux
  • Appliquer l'apprentissage en vision par ordinateur
  • Gérer des projets avec TensorFlow
  • Concevoir des modèles avancés comme RNN
  • Acquérir des compétences en traitement du langage naturel
Deep Learning

À propos du cours

Maîtrisez l'apprentissage profond depuis le début dans ce cours complet. Il couvre les fondamentaux des réseaux neuronaux, les concepts d'apprentissage profond et comment construire des modèles efficaces avec des outils comme TensorFlow. Vous explorerez diverses applications pratiques, y compris les réseaux neuronaux profonds, les réseaux récurrents et les modèles prédictifs. Le cours comprend des projets pratiques et du code expliqué pour vous aider à appliquer l'apprentissage profond de manière pratique.

Résultats attendus

  • Maîtrisez l'utilisation des réseaux neuronaux pour construire des modèles d'apprentissage profond efficaces.
  • Analysez les données et appliquez l'apprentissage profond pour résoudre des problèmes complexes.
  • Concevez et mettez en œuvre de vrais projets en utilisant des outils d'apprentissage profond avancés.
  • Comprenez comment optimiser les performances des modèles en utilisant des techniques avancées.
  • Préparez-vous à entrer dans le domaine de l'intelligence artificielle et de l'apprentissage profond en tant que professionnel.

Formateur

Ing. Amr Abdel Fattah

Ing. Amr Abdel Fattah

Ingénieur en systèmes informatiques spécialisé dans le développement d'applications mobiles et de sites Web, avec une expérience dans la création de plateformes et d'applications Web populaires.
3,171 étudiants20 cours
$25.99
Acheter
Ce cours$25.99
→
Abonnement$19/moisTous les cours
S'abonner et économiser→

تقييمات المتدربين

التقييمات هنا من المتدربين الذين اشتروا الدورة وأكملوا50٪من المحتوى على الأقل — لا توجد تقييمات من شخص لم يشاهد المحتوى.
4.4
★★★★☆
90 تقييم
5★
36
4★
52
3★
2
2★
0
1★
0
    ★
    كن جزءا من تقييمات هذه الدورة

    كل تقييم هنا يساعد متدربا جديدا على الاختيار — شاركنا تجربتك بعد إكمال الدورة.

    Contenu du cours

    1

    Fondamentaux de l'apprentissage profond et des réseaux neuronaux

    31 leçons
    1. Introduction1:56
    2. Réseau de neurones8:13
    3. Apprentissage supervisé et réseaux de neurones7:52
    4. Classification binaire13:55
    5. Charger la liste des symboles
    6. Algorithme de régression logistique8:51
    7. Fonction de coût11:43
    8. Calculer les valeurs des variables14:00
    9. Calcul13:34
    10. Graphique computationnel6:23
    11. Graphique computationnel pour le calcul des dérivées15:24
    12. Calcul des dérivées pour l'application de l'algorithme12:51
    13. Calcul des dérivées pour plusieurs exemples10:34
    14. Comprendre les directions15:59
    15. Charger un exemple pratique
    16. Utiliser les directions dans l'algorithme de régression linéaire14:45
    17. Distribution en Python14:29
    18. Charger un exemple pratique
    19. Introduction au réseau de neurones creux11:08
    20. Représentation du réseau de neurones creux et calcul de la sortie17:30
    21. Calcul de la sortie pour plusieurs exemples10:25
    22. Fonction d'activation11:23
    23. Calcul pour les fonctions d'activation15:58
    24. Chargement du format de fonction
    25. Mise en œuvre de la descente de gradient pour le réseau de neurones creux18:27
    26. Introduction aux réseaux de neurones profonds11:19
    27. Propagation avant dans les réseaux de neurones profonds13:52
    28. Comment calculer les dimensions de la matrice22:52
    29. Composants essentiels pour la mise en œuvre des réseaux de neurones profonds14:14
    30. Mise en œuvre des composants essentiels pour le calcul de la descente de gradient11:22
    31. Hyperparamètres4:44
    2

    Développement de réseaux neuronaux profonds et formation de modèles

    6 leçons
    1. Bibliothèques utilisées pour le développement7:08
    2. Exemple pratique d'utilisation de la bibliothèque Keras pour la prédiction11:12
    3. Première application pratique26:35
    4. Chargement du fichier de données
    5. Exemple pratique d'utilisation de la bibliothèque Keras pour la classification13:51
    6. Deuxième application pratique35:06
    3

    Utilisation de TensorFlow

    9 leçons
    1. Introduction à TensorFlow16:13
    2. Fondamentaux Partie Un9:04
    3. Fondamentaux Partie Deux17:50
    4. Fondamentaux Partie Trois9:00
    5. Application sur la prédiction Partie Un21:33
    6. Application sur la prédiction Partie Deux26:13
    7. Télécharger le fichier de données
    8. Application sur la classification Partie Un32:22
    9. Application sur la classification Partie Deux24:28
    4

    Réseau de neurones convolutionnel

    8 leçons
    1. Introduction aux réseaux de neurones convolutifs7:54
    2. Principes de base5:46
    3. Architecture des réseaux de neurones convolutifs18:26
    4. Application pratique utilisant la méthode traditionnelle partie un27:20
    5. Application pratique utilisant la méthode traditionnelle partie deux14:01
    6. Télécharger l'application
    7. Application pratique sur le réseau de neurones convolutif29:50
    8. Télécharger l'application
    5

    Construction de différents modèles pour l'apprentissage profond

    10 leçons
    1. Introduction à la construction de différents modèles pour l'apprentissage profond4:45
    2. Données de séries temporelles3:06
    3. Réseau de neurones récurrent6:48
    4. Modèle LSTM6:45
    5. Application pratique des bases du modèle LSTM23:14
    6. Télécharger l'application
    7. Introduction aux nouveaux Autoencodeurs5:20
    8. Architecture des Autoencodeurs4:02
    9. Application pratique sur les Autoencodeurs19:13
    10. Télécharger l'application

    Cours similaires

    • Microsoft Access
      4.9(76)|1,002|2h 42m

      Microsoft Access

      Apprenez à créer des bases de données et des rapports

      Ahmed Hassan Khamis
      Ahmed Hassan Khamis
      $19.99
      Acheter maintenant
    • Conception de logiciels espions Key Logger
      4.4(82)|715|16h 18m

      Conception de logiciels espions Key Logger

      Conception de logiciels espions avec C++

      Ing. Mohamed Ali Mansour
      Ing. Mohamed Ali Mansour
      $19.99
      Acheter maintenant
    • Adobe Animate & Action Script
      4.7(74)|2,666|17h 30m

      Adobe Animate & Action Script

      Apprenez à créer des films d'animation et des jeux interactifs

      Ahmed Hassan Khamis
      Ahmed Hassan Khamis
      $19.99
      Acheter maintenant
    • Apprentissage automatique
      4.6(79)|896|9h 54m

      Apprentissage automatique

      Faire des prévisions basées sur l'analyse des données

      Ing. Amr Abdel Fattah
      Ing. Amr Abdel Fattah
      $25.99
      Acheter maintenant

    Ce cours fait partie du diplôme

    • Diplôme en Développement d'Applications IADiplôme
      4.7(54)|5

      Diplôme en Développement d'Applications IA

      5 cours
      $79.99
      Acheter maintenant