لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
TensorFlow: آموزش مقدماتی تا پیشرفته
دانلود TensorFlow: Basic to Advanced Training
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
چارچوب یادگیری ماشین منبع باز انعطاف پذیر، مقیاس پذیر، مفاهیم هسته TensorFlow از راه اندازی تا ساخت مدل، که آنها را قادر می سازد با اطمینان پروژه های یادگیری ماشین ایجاد کنند. تکنیکهایی برای ساخت CNN و RNN برای دادههای تصویر، زبان و توالی، تجهیز آنها برای مقابله با مشکلات مختلف ML. مهارتهایی برای استقرار مدلهای TensorFlow در تولید، از جمله مقیاسبندی با محاسبات توزیعشده و استقرار در تلفن همراه. تجربه عملی با برنامه های کاربردی ML در دنیای واقعی، ساخت مدل هایی برای تشخیص تصویر، تجزیه و تحلیل احساسات و موارد دیگر. پیش نیازها: دانش برنامه نویسی اولیه، ایده آل در پایتون درک مفاهیم اساسی ریاضی مانند جبر خطی و احتمال آشنایی با اصول یادگیری ماشین مفید است اما لازم نیست کامپیوتر با دسترسی به اینترنت برای نصب پروژه های TensorFlow و کدنویسی
این دوره یک سفر جامع به TensorFlow ارائه میکند، که یادگیرندگان را از اصول اولیه تا کاربردهای پیشرفته یادگیری ماشین و یادگیری عمیق با این چارچوب منبع باز قدرتمند راهنمایی میکند. دانشآموزان با مقدمهای بر یادگیری ماشین و قابلیتهای منحصربهفرد TensorFlow، دانش پایهای کسب خواهند کرد که زمینه را برای مفاهیم پیچیدهتر فراهم میکند. این دوره با دستورالعمل های نصب و راه اندازی شروع می شود تا اطمینان حاصل شود که هر دانش آموز به ابزارها و محیط لازم برای توسعه TensorFlow مجهز است. ماژولهای اولیه، بلوکهای اساسی TensorFlow، از جمله تانسورها، عملیات، نمودارهای محاسباتی و جلسات را پوشش میدهند. از طریق این موضوعات، دانش آموزان اجزای اصلی TensorFlow و نحوه استفاده موثر از آنها برای پروژه های ساده و عملیات داده را درک خواهند کرد.
با پیشرفت دوره، فراگیران عمیقتر در شبکههای عصبی فرو میروند و چگونگی ساخت، آموزش و بهینهسازی مدلهای پایه را بررسی میکنند. بخش میانی Keras را معرفی میکند، API کاربرپسند برای TensorFlow، که به دانشآموزان اجازه میدهد تا مدلهای پیچیدهتر را به طور مستقیمتری طراحی و آموزش دهند. موضوعاتی مانند شبکههای عصبی کانولوشنال (CNN) و شبکههای عصبی تکراری (RNN) تجربه عملی را با انواع دادههای دنیای واقعی، مانند تصاویر و دنبالهها، فراهم میکنند. سپس دوره به موضوعات پیشرفته تبدیل می شود و مهارت های ضروری برای استقرار و مقیاس بندی مدل ها را پوشش می دهد. دانشآموزان یاد میگیرند که مدلهای TensorFlow را ذخیره، بارگذاری و ارائه کنند و آنها را قادر میسازد تا دانش خود را در محیطهای تولید به کار ببرند. آنها همچنین TensorFlow توزیعشده را برای مقیاسگذاری برنامهها در چندین دستگاه و TensorFlow Extended (TFX) برای ساخت خطوط لوله یادگیری ماشینی سرتاسر بررسی خواهند کرد.
با پروژههای عملی و برنامههای کاربردی در دنیای واقعی، دانشآموزان این شانس را خواهند داشت که مدلهایی را برای کارهایی مانند طبقهبندی تصویر، تحلیل احساسات، و پیشبینی سریهای زمانی بسازند و مهارتهای خود را از طریق تمرین عملی تقویت کنند. در پایان دوره، فراگیران نه تنها به دانش فنی، بلکه به تجربه عملی مورد نیاز برای پیاده سازی، استقرار و مدیریت مدل های TensorFlow در محیط های حرفه ای مجهز خواهند شد. این دوره برای هر کسی که به دنبال پیشرفت شغلی خود در علم داده، یادگیری ماشین یا هوش مصنوعی است ایدهآل است و به آنها مهارت لازم برای مقابله با چالشهای پیچیده در دنیای دادهمحور امروزی را میدهد.
سرفصل ها و درس ها
مقدمه ای بر یادگیری ماشین و TensorFlow
Introduction to Machine Learning and TensorFlow
یادگیری ماشینی چیست؟
What is Machine Learning?
مقدمه ای بر TensorFlow
Introduction to TensorFlow
TensorFlow در مقابل سایر چارچوب های یادگیری ماشین
TensorFlow vs. Other Machine Learning frameworks
نصب TensorFlow
Installing TensorFlow
تنظیم محیط توسعه خود
Setting up your Development Environment
تایید نصب
Verifying the Installation
مبانی TensorFlow
Basics of TensorFlow
مقدمه ای بر تنسورها
Introduction to Tensors
عملیات تانسور
Tensor Operations
ثابت ها، متغیرها و مکان هایی
Constants, Variables, and Placeholders
نمایش نظرات