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

  • نمودار محاسباتی TensorFlow TensorFlow Computational Graph

  • ایجاد و اجرای یک جلسه TensorFlow Creating and Running a TensorFlow Session

  • مدیریت نمودارها و جلسات Managing Graphs and Sessions

  • ساخت یک شبکه عصبی پیشخور ساده Building a Simple Feedforward Neural Network

  • توابع فعال سازی Activation Functions

  • توابع از دست دادن و بهینه سازها Loss Functions and Optimizers

TensorFlow متوسط Intermediate TensorFlow

  • مقدمه ای بر Keras API Introduction to Keras API

  • مدل های مجتمع ساختمانی با کراس Building Complex Models with Keras

  • آموزش و ارزیابی مدل ها Training and Evaluating Models

  • مقدمه ای بر CNN (شبکه های عصبی کانولوشنال) Introduction to CNNs(Convolutional Neural Networks)

  • ساخت و آموزش CNN با TensorFlow Building and Training CNNs with TensorFlow

  • انتقال یادگیری با CNN های از پیش آموزش دیده Transfer Learning with Pre-trained CNNs

  • مقدمه ای بر RNN (شبکه های عصبی مکرر) Introduction to RNNs(Recurrent Neural Networks)

  • ساخت و آموزش RNN با TensorFlow Building and Training RNNs with TensorFlow

  • کاربردهای RNN: مدل‌سازی زبان، پیش‌بینی سری‌های زمانی Applications of RNNs: Language Modeling, Time Series Prediction

TensorFlow پیشرفته Advanced TensorFlow

  • ذخیره و بارگذاری مدل ها Saving and Loading Models

  • سرویس TensorFlow برای استقرار مدل TensorFlow Serving for Model Deployment

  • TensorFlow Lite برای موبایل و دستگاه های جاسازی شده TensorFlow Lite for Mobile and Embedded Devices

  • مقدمه ای بر محاسبات توزیع شده با TensorFlow Introduction to Distributed Computing with TensorFlow

  • چارچوب اجرای توزیع شده TensorFlow TensorFlow's Distributed Execution Framework

  • مقیاس بندی TensorFlow با سرویس TensorFlow و Kubernetes Scaling TensorFlow with TensorFlow Serving and Kubernetes

  • مقدمه ای بر TFX (TensorFlow Extended) Introduction to TFX(TensorFlow Extended)

  • ساخت خطوط لوله ML سرتاسر با TFX Building End-to-End ML Pipelines with TFX

  • اعتبارسنجی مدل، تبدیل، و سرویس دهی با TFX Model Validation, Transform, and Serving with TFX

برنامه ها و پروژه های کاربردی Practical Applications and Projects

  • طبقه بندی تصویر Image Classification

  • پردازش زبان طبیعی Natural Language Processing

  • سیستم های توصیه کننده Recommender Systems

  • تشخیص شی Object Detection

  • ساخت یک مدل تحلیل احساسات Building a Sentiment Analysis Model

  • ایجاد یک سیستم تشخیص تصویر Creating an Image Recognition System

  • توسعه یک مدل پیش‌بینی سری زمانی Developing a Time Series Prediction Model

  • پیاده سازی چت بات Implementing a Chatbot

یادگیری و منابع بیشتر Further Learning and Resources

  • شبکه های متخاصم مولد (GAN) Generative Adversarial Networks (GANs)

  • یادگیری تقویتی با TensorFlow Reinforcement Learning with TensorFlow

  • یادگیری ماشین کوانتومی با کوانتوم TensorFlow Quantum Machine Learning with TensorFlow Quantum

  • مستندات و آموزش های TensorFlow TensorFlow Documentation and Tutorials

  • دوره های آنلاین و کتاب Online Courses and Books

  • انجمن و انجمن تنسورفلو TensorFlow Community and Forums

خلاصه جریان تانسور Summary of Tensor Flow

  • خلاصه مفاهیم کلیدی Summary of Key Concepts

  • مراحل بعدی در سفر تنسورفلو شما Next Steps in Your TensorFlow Journey

نمایش نظرات

TensorFlow: آموزش مقدماتی تا پیشرفته
جزییات دوره
4.5 hours
49
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,004
5 از 5
ندارد
دارد
دارد
Vivian Aranha
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Vivian Aranha Vivian Aranha

معمار راه حل های موبایل و مربی حرفه ای