آموزش با Keras TensorFlow 2.0 یک گردش کار یادگیری ماشین بسازید

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

درک مدل ها و لایه های Keras Understanding Keras Models and Layers

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• معرفی کراس Introducing Keras

• یادگیری تحت نظارت Supervised Learning

• یادگیری بدون نظارت Unsupervised Learning

• مدل های متوالی Sequential Models

• The Functional API The Functional API

• ذخیره و بارگذاری مدل ها Saving and Loading Models

• نسخه ی نمایشی: Tensorflow را نصب و تنظیم کنید Demo: Install and SetUp Tensorflow

مدلهای رگرسیون و طبقه بندی ساختمان Building Regression and Classification Models

• نسخه ی نمایشی: کاوش و پردازش مجموعه داده های بیمه Demo: Exploring and Processing the Insurance Dataset

• نسخه ی نمایشی: آموزش یک مدل متوالی ساده Demo: Training a Simple Sequential Model

• نسخه ی نمایشی: پیکربندی رفتار آموزش با استفاده از پاسخگویی Demo: Configuring Training Behavior Using Callbacks

• نسخه ی نمایشی: صرفه جویی در معماری و وزن مدل Demo: Saving Model Architecture and Weights

• نسخه ی نمایشی: در حال بارگیری مدل های ذخیره شده Demo: Loading Saved Models

• نسخه ی نمایشی: کاوش و پردازش مجموعه داده های ستون فقرات Demo: Exploring and Processing the Spine Dataset

• نسخه ی نمایشی: ساخت و آموزش مدل با استفاده از API عملکردی Demo: Build and Train Model Using the Functional API

• نسخه ی نمایشی: مدل های بازرسی با استفاده از بازگشت Demo: Checkpointing Models Using Callbacks

• نسخه ی نمایشی: نظارت بر مدل ها با استفاده از TensorBoard Demo: Monitoring Models Using TensorBoard

ساخت مدل های طبقه بندی تصویر Building Image Classification Models

• اشکال در شبکه های عصبی متراکم Drawbacks of Dense Neural Networks

• معرفی شبکه های عصبی کانولوشن Introducing Convolutional Neural Networks

• همگرایی Convolution

• لایه های کانولوشن Convolutional Layers

• لایه های استخر Pooling Layers

• معماری CNN CNN Architecture

• نسخه ی نمایشی: بارگذاری و پیش پردازش مجموعه داده Cifar10 Demo: Loading and Preprocessing the Cifar10 Dataset

• نسخه ی نمایشی: طراحی شبکه عصبی کانولوشن Demo: Designing the Convolutional Neural Network

• نسخه ی نمایشی: آموزش و پیش بینی با استفاده از CNN Demo: Training and Prediction Using a CNN

• نسخه ی نمایشی: با استفاده از تغییر شکل تصویر و رها کردن Demo: Using Image Transformations and Dropout

ساخت مدلهای یادگیری ماشین بدون نظارت Building Unsupervised Machine Learning Models

• تحت نظارت در مقابل یادگیری بدون نظارت Supervised vs. Unsupervised Learning

• رمزگذاران خودکار به عنوان یادگیری ماشین بدون نظارت Autoencoders as Unsupervised Machine Learning

• کاهش ابعاد با استفاده از رمزگذاران خودکار Dimensionality Reduction Using Autoencoders

• نسخه ی نمایشی: پیش پردازش تصاویر Demo: Preprocessing Images

• نسخه ی نمایشی: بازسازی تصاویر با استفاده از رمزگذار خودکار انباشته Demo: Reconstructing Images Using a Stacked Autoencoder

• نسخه ی نمایشی: بازسازی تصاویر با استفاده از خود رمزگذار مبتنی بر CNN Demo: Reconstructing Images Using a CNN Based Autoencoder

پیاده سازی لایه ها و مدل های سفارشی Implementing Custom Layers and Models

• سفارشی کردن لایه ها و مدل ها Customizing Layers and Models

• طبقه بندی فرعی مدل و لایه های سفارشی Model Subclassing and Custom Layers

• نسخه ی نمایشی: ایجاد یک لایه سفارشی Demo: Creating a Custom Layer

• نسخه ی نمایشی: به تعویق انداختن ایجاد وزن در یک لایه Demo: Deferring Weight Creation in a Layer

• نسخه ی نمایشی: جمع آوری ضررها با لایه های سفارشی Demo: Accumulating Losses with Custom Layers

• نسخه ی نمایشی: سریال سازی لایه ها و پارامتر آموزش Demo: Serializing Layers and the Training Parameter

• نسخه ی نمایشی: ساخت مدل های سفارشی Demo: Building Custom Models

• نسخه ی نمایشی: ساخت و آموزش مدل رگرسیون با استفاده از لایه های سفارشی Demo: Building and Training a Regression Model Using Custom Layers

• نسخه ی نمایشی: ساخت و آموزش یک مدل سفارشی با لایه های سفارشی Demo: Building and Training a Custom Model with Custom Layers

• خلاصه و مطالعه بیشتر Summary and Further Study