آموزش Tensorflow با پایتون
1h 29m
9
Udemy
11 خرداد 1400
14,074
4.3 از 5
دارد (اگر در سایت مرجع باشد، قرارداده می شود.)
معمولا دارد
معمولا دارد (در صورت درخواست)
Ganesh D

https://donyad.com/d/6750

آموزش Tensorflow با پایتون

Tensorflow with Python

سرفصل ها و درس ها | نظرات

توضیحات دوره: استفاده عملی از TensorFlow را بیاموزید و در تجزیه و تحلیل داده ها ، TensorFlow ، برنامه یادگیری عمیق مهارت کسب کنید

آنچه خواهید آموخت

  • یادگیری نصب Tensorflow، معرفی Tensorflow، انواع داده های مختلف در Tensorflow، تنظیم محیط زیست Pycharm IDE، و غیره
  • مجموعه ای از مهارت هایی که می تواند پس از اتمام این آموزش Tensorflow به دست آید، تجزیه و تحلیل داده ها، tensorflow، کاربرد یادگیری عمیق
  • مهارت های کمی نیز وجود دارد که می تواند در تکمیل این دوره به دست آید، مانند مدل Tensorflow، شبکه های عصبی، IDE Pycharm، Tensorflow API مشتاق، رگرسیون خطی، رگرسيون لجستيک و تانسور، ويژگي ها و etc

TensorFlow یک کتابخانه منبع باز برای یادگیری ماشین و برنامه های یادگیری عمیق است. این یک نرم افزار رایگان است و نیازی به مجوز ندارد. TensorFlow توسط تیم Google Brain ساخته شده است. TensorFlow در ابتدا در سال 2015 منتشر شد. این کتاب کاملاً به زبان های Python ، C ++ و CUDA نوشته شده است. از چندین پلتفرم متقابل مانند macOS ، ویندوز ، لینوکس ، اندروید و غیره پشتیبانی می کند و عمدتا در قالب کتابخانه ریاضی استفاده می شود. این مجوز تحت مجوز Apache 2.0 است. استفاده از یادگیری ماشینی شامل طبقه بندی عناصر و متن اصلی ، مدل های مجهز و متناسب ، صرفه جویی و ترمیم است. سطح مقیاس تولید یادگیری ماشین شامل مدل خطی ، یادگیری گسترده و عمیق ، درختان تقویت شده ، برآوردگرهای مبتنی بر CNN است. مدل های مختلف تولیدی تحت TensorFlow عبارتند از ترجمه ، شرح تصویر ، DCGAN و تکنیک های VAE. روش های مختلف نمایش داده ها در TensorFlow نمایشی بردار از کلمات ، روش های هسته ، مدل های خطی در مقیاس بزرگ و یونی کد است.

این TensorFlow یک پلتفرم یادگیری ماشین است که تحت مجوز منبع باز است. از کتابخانه TensorFlow می توان هم برای تولید و هم برای کاربردهای تحقیقاتی استفاده کرد. برنامه های مختلفی که می توانند تحت TensorFlow انجام شوند عبارتند از: تحقیق و آزمایش ، مقیاس تولید یادگیری ماشین ، مدل های مولد ، تصاویر ، توالی ها ، داده های بار ، نمایش داده ها ، برنامه های یادگیری غیرماشینی.

این آموزش شامل موارد زیر است:

1 نصب تنسورفلو با استفاده از Pip و Anaconda Navigator
2. مقدمه TensorFlow
3. محیطی که در PyCharm IDE تنظیم شده و برنامه سلام جهانی نمونه را اجرا می کند
4. انواع داده های مورد استفاده در TensorFlow و نحوه استفاده از آنها در پایتون
5. پیاده سازی مثال مدل Linear ، محاسبه مقدار ضرر و کاهش مقدار ضرر با استفاده از Optimizer و Train
6. به روزرسانی مقدار عنصر داده موجود با استفاده از Feed Dictionary
7. مثال نگهدارنده و کاربرد و اعلان سازنده
8. جمع شدن 2 عدد و محاسبه برنامه ای اعداد تصادفی

چه کسی این دوره است:

  • یادگیرندگان که هر مهندسی لیسانس را در علوم کامپیوتر یا هر زمینه فنی نگهداری می کنند می توانند این آموزش Tensorflow را به عنوان یک گزینه بهتر در تخصص در فن آوری های یادگیری عمیق انتخاب کنند. تمام یادگیرندگان که در یادگیری و به دست آوردن دانش در تکنیک های یادگیری عمیق و یا پردازش داده ها یا تجزیه و تحلیل داده های بزرگ یا چارچوب های Hadoop می توانند این دوره Tensorflow را انتخاب کنند.
  • توسعه دهنده نرم افزار، دانشمند تحقیقاتی، تحلیلگر داده، تحلیلگر کسب و کار، توسعه دهنده Hadoop، پژوهشگر، برنامه نویس SAS، برنامه نویس، مهندس یادگیری ماشین، توسعه دهنده ماشین، AI، مهندس Chatbots، مهندس AI ML، توسعه دهنده Python، معمار Python ML ، دانشمند یادگیری ماشین، و غیره. این دوره همچنین می تواند فرصت های شغلی بهتر را در زمینه یادگیری ماشین یا فرآیندهای یادگیری عمیق انتخاب کند.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر تنسرفلو با پایتون Introduction to Tensorflow with Python

نصب و راه اندازی Installation

  • نصب Tensorflow Installation of Tensorflow

  • انواع اساسی داده ها برای Tensorflow Basic Data Types for Tensorflow

پیاده سازی مدل خطی Implementing Linear Model

  • پیاده سازی مدل خطی ساده Implementing Simple Linear Model

  • ایجاد یک فایل پایتون Creating a Python File

  • بهینه سازی متغیر Optimization of Variable

  • پیاده سازی متغیر سازنده Implementing the Constructor Variable

محاسبه عدد اضافی و تصادفی Addition and Random Number Calculation

  • چاپ نتیجه متغیر Printing the Variable Result

  • نامگذاری متغیر Naming the Variable

نمایش نظرات

نظری ارسال نشده است.

Ganesh D

کارآفرین و مربی من یک کارآفرین و مربی هستم. من از طریق دوره های خود و فیلم های آنلاین به هزاران دانش آموز در چندین موضوع در زمینه های مختلف آموزش داده ام. من 11 سال سابقه مربیگری دارم. من دوست دارم دانش خود را با دانش آموزان در میان بگذارم. در طول سال ها من ایده های تجاری مختلفی از اصول اولیه تا الگوی پیچیده تر را اجرا کرده ام و دانش بزرگی کسب کرده ام که دوست دارم آنها را به اشتراک بگذارم. من چندین ماه را برای آماده سازی دوره هایم صرف می کنم. قدرت من به عنوان یک معلم از توانایی من در تجزیه و تحلیل موضوعات پیچیده به مفاهیم ساده تر ناشی می شود. و توجه من به جزئیات به من کمک می کند تا این مفاهیم را به گونه ای توضیح دهم که برای دانشجویان بسیار قابل دسترسی باشد. من به طور مداوم در حال تحقیق ، مطالعه و آموزش هستم تا مهارت های خود را ارتقا دهم. امیدوارم از دوره های من لذت ببرید