آموزش جامع TensorFlow (مقدماتی) - آخرین آپدیت

معرفی و کلیات دوره コースの概要

• معرفی دوره コース概要

• راهنمای ثبت‌نام در Google Cloud و Qwiklabs Google Cloud と Qwiklabs のスタートガイド

مفاهیم بنیادی TensorFlow TensorFlow の概要

• مفاهیم TensorFlow TensorFlow の概要

• بررسی لایه‌های TensorFlow API TensorFlow API の階層

• مفاهیم اصلی تنسورفلو: TensorFlow و متغیرها TensorFlow のコンポーネント: TensorFlow と変数

• بررسی آزمایش: آشنایی با Tensors و Variables ラボの概要「Introduction to Tensors and Variables」

• بررسی آزمایش: نوشتن برنامه‌های TensorFlow در سطح پایین ラボの概要「Writing low-level TensorFlow programs」

طراحی و ساخت خط‌لوله‌های ورودی داده در TensorFlow TensorFlow 入力データ パイプラインの設計と作成

• مقدمات 概要

• مدیریت حافظه و پردازش فایل‌ها インメモリ処理とファイル処理

• تأمین داده‌های آموزشی برای مدل モデル トレーニング用データの準備

• بررسی آزمایش: بارگذاری داده‌های CSV و NumPy ラボの概要「Load CSV and NumPy Data」

• بررسی آزمایش: بارگذاری داده‌های تصویری ラボの概要「Loading Image Data」

• بررسی آزمایش: ستون‌های ویژگی (Feature Columns) ラボの概要「Feature Columns」

• بررسی آزمایش پیشرفته: TFRecord و tf.Example オプションのラボの概要「TFRecord and tf.Example」

• آموزش داده‌های حجیم با استفاده از tf.data API tf.data API を使用した大規模なデータセットに関するトレーニング

• بررسی آزمایش: مدیریت داده‌ها با TensorFlow Dataset API ラボの概要「Manipulating data with Tensorflow Dataset API」

• بررسی آزمایش پیشرفته: تحلیل ویژگی‌ها با TensorFlow Data Validation و Facets オプションのラボの概要「Feature Analysis Using TensorFlow Data Validation and Facets」

آموزش شبکه‌های عصبی با TensorFlow 2 و Keras Sequential API Tensorflow 2 と Keras Sequential API を使用したニューラル ネットワークのトレーニング

• مقدمات 概要

• متغیرهای فعال‌ساز (Activation Functions) アクティベーション関数

• متغیرهای فعال‌ساز: حذف در Backdrop アクティベーション関数: バックプロパゲーションで回避すべきこと

• ساخت شبکه عصبی با Keras Sequential API Keras Sequential API を使用したニューラル ネットワーク

• بررسی آزمایش: Keras Sequential API ラボの概要「Keras Sequential API」

آموزش شبکه‌های عصبی با TensorFlow 2 و Keras Functional API Tensorflow 2 と Keras Functional API を使用したニューラル ネットワークのトレーニング

• ساخت شبکه عصبی با Keras Functional API Keras Functional API を使用したニューラル ネットワーク

• منظم‌سازی (Regularization): مبانی 正則化: 基礎

• منظم‌سازی: روش‌های L1، L2 و Dropout 正則化: L1、L2、および早期打ち切り

• منظم‌سازی: Dropout 正則化: ドロップアウト

• ارائه مدل در محیط کلاود クラウドでのモデル提供

• بررسی آزمایش: Keras Functional API ラボの概要「Keras Functional API」

جمع‌بندی و پایان دوره まとめ

• جمع‌بندی نهایی دوره コースのまとめ