لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش TensorFlow در Google Cloud
TensorFlow on Google Cloud
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره شامل طراحی و ساخت خط لوله داده ورودی TensorFlow 2.x، ساخت مدلهای ML با TensorFlow 2.x و Keras، بهبود دقت مدلهای ML، نوشتن مدلهای ML برای استفاده مقیاسپذیر و نوشتن مدلهای تخصصی ML میشود.
سرفصل ها و درس ها
مقدمه دوره
Introduction to the Course
معرفی
Introduction
مقدمه ای بر اکوسیستم تنسورفلو
Introduction to the TensorFlow ecosystem
مقدمه ای بر اکوسیستم تنسورفلو
Introduction to the TensorFlow ecosystem
مقدمه ای بر تنسورفلو
Introduction to Tensorflow
سلسله مراتب API TensorFlow
TensorFlow API hierarchy
اجزای Tensorflow: تانسورها و متغیرها
Components of Tensorflow: Tensors and variables
منابع: مقدمه ای بر اکوسیستم تنسورفلو
Resources: Introduction to the TensorFlow Ecosystem
طراحی و ساخت یک خط لوله داده ورودی
Design and Build an Input Data Pipeline
معرفی
Introduction
خلاصه ML
An ML recap
آموزش مجموعه داده های بزرگ با tf.data API
Training on large datasets with tf.data API
کار در حافظه و با فایل ها
Working in-memory and with files
آماده سازی داده ها برای آموزش مدل
Getting the data ready for model training
جاسازی ها
Embeddings
Pluralsight: شروع به کار با GCP و Qwiklabs
Pluralsight: Getting Started with GCP and Qwiklabs
مقدمه آزمایشگاه: TensorFlow Dataset API
Lab intro: TensorFlow Dataset API
آزمایشگاه: TensorFlow Dataset API
Lab: TensorFlow Dataset API
مقیاس بندی پردازش داده ها با لایه های پیش پردازش tf.data و Keras
Scaling data processing with tf.data and Keras preprocessing layers
مقدمه آزمایشگاه: طبقه بندی داده های ساخت یافته با استفاده از لایه های پیش پردازش Keras
Lab intro: Classifying structured data using Keras preprocessing layers
آزمایشگاه: طبقه بندی داده های ساخت یافته با استفاده از لایه های پیش پردازش Keras
Lab: Classifying Structured Data using Keras Preprocessing Layers
منابع: طراحی و ساخت یک خط لوله داده ورودی TensorFlow
Resources: Design and Build a TensorFlow Input Data Pipeline
ساخت شبکه های عصبی با TensorFlow و Keras API
Building Neural Networks with the TensorFlow and Keras API
معرفی
Introduction
توابع فعال سازی
Activation functions
آموزش شبکه های عصبی با TensorFlow 2 و Keras Sequential API
Training neural networks with TensorFlow 2 and the Keras Sequential API
ارائه مدل ها در فضای ابری
Serving models in the cloud
مقدمه آزمایشگاه: معرفی Keras Sequential API در پلتفرم Vertex AI
Lab intro: Introducing the Keras Sequential API on Vertex AI Platform
آزمایشگاه: معرفی Keras Sequential API
Lab: Introducing the Keras Sequential API
آموزش شبکه های عصبی با TensorFlow 2 و Keras Functional API
Training neural networks with TensorFlow 2 and the Keras Functional API
مقدمه آزمایشگاه: با استفاده از Keras Functional API در پلتفرم Vertex AI یک DNN بسازید
Lab intro: Build a DNN using the Keras Functional API on Vertex AI Platform
آزمایشگاه: با استفاده از Keras Functional API یک DNN بسازید
Lab: Build a DNN using the Keras Functional API
زیر طبقه بندی مدل
Model subclassing
(اختیاری) معرفی آزمایشگاه: ساخت لایهها و مدلهای جدید از طریق طبقهبندی فرعی
(Optional) Lab intro: Making new layers and models via subclassing
آزمایشگاه: ساخت لایه ها و مدل های جدید از طریق Subclassing
Lab: Making New Layers and Models via Subclassing
اصول منظم سازی
Regularization basics
چگونه می توانیم پیچیدگی مدل را اندازه گیری کنیم: L1 در مقابل L2 Regularization
How can we meaure model complexity: L1 vs. L2 Regularization
منابع: ساخت شبکه های عصبی در TensorFlow با Keras API
Resources: Building Neural Networks in TensorFlow with Keras API
آموزش در مقیاس با Vertex AI
Training at Scale with Vertex AI
معرفی
Introduction
آموزش در مقیاس با Vertex AI
Training at scale with Vertex AI
مقدمه آزمایشگاه: آموزش در مقیاس با سرویس آموزشی Vertex AI
Lab intro: Training at scale with the Vertex AI Training Service
آزمایشگاه: آموزش در مقیاس با خدمات آموزشی Vertex AI
Lab: Training at Scale with Vertex AI Training Service
منابع: آموزش در مقیاس با Vertex AI
Resources: Training at Scale with Vertex AI
خلاصه
Summary
خلاصه
Summary
منبع: تمام سوالات مسابقه
Resource: All quiz questions
Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.
Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر میسازد تا مهارتهای ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاههای عملی این شرکت اعتبارنامههای موقتی را به منابع واقعی ابر ارائه میدهند، بنابراین افراد میتوانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.
نمایش نظرات