گواهی توسعه دهنده TensorFlow - ساخت و آموزش مدل های شبکه عصبی با استفاده از TensorFlow 2.X

TensorFlow Developer Certificate - Building and Training Neural Network Models using TensorFlow 2.X

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به شما یاد می دهد که چگونه با استفاده از TensorFlow 2.X، مدل های شبکه عصبی را برای کارهای طبقه بندی و رگرسیون بسازید، آموزش دهید و ارزیابی کنید. طبقه بندی و رگرسیون دو کار مفید یادگیری ماشین با بسیاری از برنامه های کاربردی دنیای واقعی هستند. در این دوره آموزشی، گواهی توسعه دهنده TensorFlow - ساخت و آموزش مدل های شبکه عصبی با استفاده از TensorFlow 2.X، ساختن مدل های شبکه عصبی برای کارهای طبقه بندی و رگرسیون با استفاده از TensorFlow 2.X را یاد خواهید گرفت. ابتدا با اصول یادگیری ماشین و شبکه های عصبی شروع می کنید. پس از آن، معیارهای ارزیابی مختلف برای وظایف طبقه‌بندی و رگرسیون، و همچنین مشکلات بیش‌برازندگی و عدم تناسب، و نحوه تشخیص و پیشگیری از آنها را کشف خواهید کرد. سپس، یک مدل طبقه بندی برای طبقه بندی تصاویر ارقام دست نویس و یک مدل رگرسیون برای پیش بینی قیمت خانه و در نهایت را خواهید فهمید. در نهایت، شما یاد خواهید گرفت که یک طبقه‌بندی‌کننده باینری برای طبقه‌بندی تصاویر سگ‌ها و گربه‌ها با استفاده از مفهوم یادگیری انتقالی بسازید. وقتی این دوره را به پایان رساندید، مهارت ها و دانش جنبه های عملی پیاده سازی مدل ها با استفاده از TensorFlow را خواهید داشت. از این منظر، این دوره دارای سه دمو خواهد بود که شامل اجرای کامل سه مدل از ابتدا خواهد بود.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

  • بررسی اجمالی Overview

  • مبانی یادگیری ماشین Basics of Machine Learning

  • مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

  • آموزش شبکه های عصبی عمیق Training Deep Neural Networks

  • ارزیابی مدل رگرسیون Evaluation of Regression Model

  • ارزیابی مدل طبقه بندی Evaluation of Classification Model

  • Overfitting و Underfitting Overfitting and Underfitting

  • خلاصه Summary

ساخت یک مدل شبکه عصبی برای طبقه بندی با استفاده از Tensorflow 2.9 Build a Neural Network Model for Classification Using Tensorflow 2.9

  • بررسی اجمالی Overview

  • مجموعه داده MNIST را کاوش کنید Explore the MNIST Dataset

  • رمزگذاری یکباره برچسب ها One-hot Encoding of the Labels

  • داده های تصویر را از قبل پردازش کنید Preprocess the Image Data

  • ساخت و آموزش مدل Build and Train the Model

  • مدل آموزش دیده را ارزیابی کنید Evaluate the Trained Model

  • خلاصه Summary

ساخت یک مدل شبکه عصبی برای رگرسیون با استفاده از Tensorflow 2.9 Build a Neural Network Model for Regression Using Tensorflow 2.9

  • بررسی اجمالی Overview

  • مجموعه داده مسکن بوستون را کاوش کنید Explore the Boston Housing Dataset

  • داده ها را از قبل پردازش کنید Preprocess the Data

  • یک مدل متوالی پیشخور بسازید Build a Feedforward Sequential Model

  • آموزش مدل Model Training

  • ارزیابی مدل Model Evaluation

  • خلاصه Summary

ساخت یک مدل طبقه بندی باینری با استفاده از آموزش انتقال در تنسورفلو 2.9 Build a Binary Classification Model Using Transfer Learning in Tensorflow 2.9

  • بررسی اجمالی Overview

  • مجموعه داده تصاویر گربه ها و سگ ها را کاوش کنید Explore the Dataset of Images of Cats and Dogs

  • قطار و مجموعه های اعتبار سنجی را ایجاد کنید Create the Train and the Validation Sets

  • Iterators برای بارگذاری دسته ای داده ها ایجاد کنید Create Iterators for Batch Loading of Data

  • ساخت مدل معماری با استفاده از یک مدل از پیش آموزش دیده Build Model Architecture Using a Pre-trained Model

  • آموزش و ارزیابی مدل Train and Evaluate the Model

  • خلاصه Summary

نمایش نظرات

گواهی توسعه دهنده TensorFlow - ساخت و آموزش مدل های شبکه عصبی با استفاده از TensorFlow 2.X
جزییات دوره
1h 42m
30
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Biswanath Halder Biswanath Halder

Biswanath یک دانشمند داده است که حدود 9 سال سابقه کار در شرکت هایی مانند Oracle، Microsoft و Adobe دارد. او دانش گسترده ای در زمینه یادگیری ماشینی، یادگیری عمیق و یادگیری تقویتی دارد. او در کاربرد تکنیک‌های یادگیری ماشینی و یادگیری عمیق در برنامه‌های تجاری پیچیده مرتبط با بینایی کامپیوتر و پردازش زبان طبیعی تخصص دارد. او همچنین یک معلم آزاد است و آمار، ریاضیات و یادگیری ماشین را تدریس می کند. او دارای مدرک کارشناسی ارشد در علوم کامپیوتر از موسسه علوم هند، بنگلور، و مدرک لیسانس در علوم کامپیوتر از دانشگاه جادوپور، کلکته است.