نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره به معرفی TensorFlow ، یک کتابخانه جریان داده منبع باز برای محاسبات عددی با استفاده از نمودارهای جریان داده می پردازد. در این دوره ، با درک مبانی TensorFlow ، از همان اصول اولیه کتابخانه TensorFlow را خواهید آموخت. ابتدا ، شما با اصول یادگیری ماشین با استفاده از رگرسیون خطی به عنوان مثال شروع خواهید کرد و بر درک مفاهیم اساسی در TensorFlow تمرکز خواهید کرد. در ادامه ، نحوه استفاده از آنها در یادگیری ماشین ، مفهوم تنسور ، آناتومی یک برنامه ساده ، ساختارهای اساسی مانند ثابت ها ، متغیرها ، متغیرها ، جلسات و نمودار محاسبه را کشف خواهید کرد. سپس ، با TensorBoard ، ابزار تجسم برای مشاهده و اشکال زدایی نمودارهای جریان داده ، آشنا خواهید شد. برای دیدن نحوه انجام محاسبات رایج ، با عملیات پایه ریاضی و تغییر شکل تصویر کار خواهید کرد. سرانجام ، شما یک مسئله یادگیری ماشین در دنیای واقعی را با استفاده از مجموعه داده دست نویس MNIST و الگوریتم k نزدیکترین همسایگان حل خواهید کرد. با پایان این دوره ، شما درک بهتری از مبانی TensorFlow خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
معرفی TensorFlow
Introducing TensorFlow
-
پیش نیازها و بررسی اجمالی دوره
Prerequisites and Course Overview
-
الگوریتم های سنتی ML
Traditional ML Algorithms
-
نمایندگی الگوریتم های ML
Representation ML Algorithms
-
شبکه های عصبی یادگیری عمیق
Deep Learning and Neural Networks
-
معرفی TensorFlow
Introducing TensorFlow
-
جهان به عنوان یک نمودار
The World as a Graph
-
بارگیری و نصب TensorFlow
Downloading and Installing TensorFlow
معرفی نمودارهای محاسبه
Introducing Computation Graphs
-
نمودار محاسبه
The Computation Graph
-
مدل سازی وابستگی های حلقوی
Modeling Cyclic Dependencies
-
ساخت ، اجرا و تجسم نمودارها
Building, Running, and Visualizing Graphs
-
نمودارهای محاسبه و سیستم های توزیع شده
Computation Graphs and Distributed Systems
-
عملیات ریاضی ساده
Simple Math Operations
-
تنسورها
Tensors
-
رتبه یک تانسور
Rank of a Tensor
-
ریاضی تانسور
Tensor Math
-
Numpy و TensorFlow
Numpy and TensorFlow
حفاری عمیق تر در اصول
Digging Deeper into Fundamentals
-
یک مثال TensorFlow: رگرسیون خطی
A TensorFlow Example: Linear Regression
-
رگرسیون خطی در عمل
Linear Regression in Practice
-
متغیرهایی
Placeholders
-
واکشی ها و دیکشنری Feed
Fetches and the Feed Dictionary
-
متغیرها
Variables
-
نمودارهای پیش فرض و صریحاً مشخص شده
Default and Explicitly Specified Graphs
-
محدوده ها
Named Scopes
-
جلسات تعاملی
Interactive Sessions
-
بررسی اجمالی سریع: رگرسیون خطی در TensorFlow
Quick Overview: Linear Regression in TensorFlow
کار با تصاویر
Working with Images
-
شناسایی تصویر و شبکه های عصبی
Image Recognition and Neural Networks
-
نمایش تصاویر به عنوان تنسور
Representing Images as Tensors
-
انتقال تصاویر
Transposing Images
-
تغییر اندازه تصاویر
Resizing Images
-
نمایش لیست تصاویر به عنوان یک سنسور 4D
Representing a List of Images as a 4D Tensor
حل توابع ریاضی پایه
Solving Basic Math Functions
-
مجموعه داده های MNIST
The MNIST Dataset
-
الگوریتم نزدیکترین همسایگان K
The K-nearest-neighbors Algorithm
-
فاصله L1
L1 Distance
-
KNN در TensorFlow
KNN in TensorFlow
-
محاسبه L1 در TensorFlow
Calculating L1 in TensorFlow
-
اندازه گیری دقت
Measuring Accuracy
نمایش نظرات