آموزش ساخت و استقرار مدل های Keras در یک محیط چند ابر

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

ساخت مدل های متوالی در کراس Composing Sequential Models in Keras

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• نورون ها و شبکه های عصبی Neurons and Neural Networks

• معرفی کراس Introducing Keras

• نسخه ی نمایشی: نصب TensorFlow و Keras Demo: Installing TensorFlow and Keras

• کار با مدل های متوالی Working with Sequential Models

• آموزش شبکه عصبی: بهینه سازی نزول گرادیان و انتشار عقب Training a Neural Network: Gradient Descent Optimization and Back Propagation

• صرفه جویی در مدل ها Saving Models

• نسخه ی نمایشی: مدل متوالی برای رگرسیون خطی Demo: Sequential Model for Linear Regression

• نسخه ی نمایشی: طبقه بندی با استفاده از Iris Dataset - آماده سازی داده ها و یک رمزگذاری داغ Demo: Classification Using the Iris Dataset - Data Preparation and One Hot Encoding

• نسخه ی نمایشی: مدل متوالی برای طبقه بندی و ذخیره در دیسک Demo: Sequential Model for Classification and Saving to Disk

• نسخه ی نمایشی: بارگیری یک مدل ذخیره شده Demo: Loading a Saved Model

• CNN ها و زمینه پذیرش محلی CNNs and the Local Receptive Field

• همگرایی Convolution

• ویژگی های نقشه ها و لایه کانولوشن Feature Maps and the Convolutional Layer

• استخر Pooling

• معماری CNN CNN Architectures

• نسخه ی نمایشی: CNN برای طبقه بندی تصویر - گربه و سگ Demo: CNN for Image Classification - Cat and Dog

• نسخه ی نمایشی: آموزش CNN Demo: Training A CNN

• نسخه ی نمایشی: طبقه بندی با استفاده از CNN Demo: Classification Using a CNN

• نسخه ی نمایشی: تجسم NN ها با استفاده از GraphViz و Quiver Demo: Visualizing NNs Using GraphViz and Quiver

استفاده از API عملکردی در کراس Using the Functional API in Keras

• بررسی اجمالی ماژول Module Overview

• The Functional API The Functional API

• نورون عود کننده The Recurrent Neuron

• آموزش RNN ها - از بین رفتن و انفجار شیب ها Training RNNs - Vanishing and Exploding Gradients

• سلول LSTM The LSTM Cell

• کار با RNN ها با استفاده از بردارها و توالی ها Working with RNNs Using Vectors and Sequences

• رمزگذار رمزگذار برای ترجمه زبان The Encoder Decoder for Language Translation

• نمایش ورودی ها و اهداف در مدل ترجمه زبان ما Representing Inputs and Targets in Our Language Translation Model

• ورودی های رمزگشای در حین آموزش Inputs to the Decoder During Training

• ورودی های رمزگشای هنگام پیش بینی Inputs to the Decoder During Prediction

• نسخه ی نمایشی: دریافت مجموعه ترجمه های زبان Demo: Getting the Language Translations Dataset

• نسخه ی نمایشی: یک رمزگذاری داغ جمله های انگلیسی و فرانسوی Demo: One Hot Encoding of English and French Sentences

• نسخه ی نمایشی: آموزش رمزگشای رمزگذار Demo: Training the Encoder Decoder

• نسخه ی نمایشی: رمزگشای رمزگذار برای پیش بینی Demo: Encoder Decoder for Prediction

• نسخه ی نمایشی: ترجمه انگلیسی به فرانسه Demo: English to French Translation

اجرای Keras در Microsoft Azure Running Keras on Microsoft Azure

• بررسی اجمالی ماژول Module Overview

• رایانش ابری: IaaS در مقابل PaaS Cloud Computing: IaaS vs. PaaS

• پیشنهادات یادگیری ماشین لاجوردی Azure Machine Learning Offerings

• نسخه ی نمایشی: Keras در Azure Deep Learning VM Demo: Keras on the Azure Deep Learning VM

اجرای Keras در Amazon AWS Running Keras on Amazon AWS

• خلاصه ماژول Module Summary

• AWS یادگیری عمیق AMI The AWS Deep Learning AMI

• معرفی AWS SageMaker Introducing AWS SageMaker

• نسخه ی نمایشی: اجرای Keras در AWS Deep Learning AMI Demo: Running Keras on the AWS Deep Learning AMI

اجرای Keras در Google Cloud ML Engine Running Keras on Google Cloud ML Engine

• بررسی اجمالی ماژول Module Overview

• معرفی Cloud MLE Introducing Cloud MLE

• آموزش یک مدل با استفاده از Cloud MLE Training a Model Using Cloud MLE

• مراحل کار با Cloud MLE Steps Involved in Working with Cloud MLE

• نسخه ی نمایشی: فعال کردن Cloud MLE و ایجاد سطل در GCP Demo: Enabling Cloud MLE and Creating Buckets on the GCP

• نسخه ی نمایشی: کد طبقه بندی Iris و ایجاد یک بسته Python Demo: Iris Classifier Code and Creating a Python Package

• نسخه ی نمایشی: اجرای آموزش به صورت محلی و روی ابر Demo: Running Training Locally and on the Cloud

• خلاصه ماژول و مطالعه بیشتر Module Summary and Further Study