آموزش راهنمای کامل TensorFlow برای یادگیری عمیق با پایتون

Complete Guide to TensorFlow for Deep Learning with Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: نحوه استفاده از چارچوب یادگیری عمیق گوگل - TensorFlow با پایتون را بیاموزید! حل مشکلات با تکنیک های پیشرفته! درک نحوه کار شبکه های عصبی از ابتدا شبکه عصبی خود را با پایتون بسازید از TensorFlow برای طبقه بندی و وظایف رگرسیون استفاده کنید از TensorFlow برای طبقه بندی تصویر با شبکه های عصبی کانولوشن استفاده کنید از TensorFlow برای تجزیه و تحلیل سری های زمانی با شبکه های عصبی مکرر استفاده از TensorFlow برای حل مسائل Unsupervising با LearnsE نحوه انجام آموزش تقویتی با OpenAI Gym با TensorFlow شبکه‌های متخاصم ایجاد کنید. تبدیل به یک گورو یادگیری عمیق شوید! پیش نیازها: مقداری دانش برنامه نویسی (ترجیحاً پایتون) مقداری دانش پایه ریاضی (میانگین، انحراف معیار و ...)

به راهنمای کامل TensorFlow برای یادگیری عمیق با پایتون خوش آمدید!

این دوره شما را در مورد نحوه استفاده از چارچوب TensorFlow گوگل برای ایجاد شبکه های عصبی مصنوعی برای یادگیری عمیق راهنمایی می کند! هدف این دوره ارائه راهنمای آسان برای درک پیچیدگی های چارچوب TensorFlow گوگل به روشی است که به راحتی قابل درک باشد. سایر دوره‌ها و آموزش‌ها تمایل دارند از جریان تنسوری خالص دور بمانند و در عوض از انتزاعی‌هایی استفاده کنند که کنترل کمتری به کاربر می‌دهد. در اینجا ما دوره ای را ارائه می دهیم که در نهایت به عنوان راهنمای کاملی برای استفاده از چارچوب TensorFlow همانطور که در نظر گرفته شده است عمل می کند و در عین حال آخرین تکنیک های موجود در یادگیری عمیق را به شما نشان می دهد!

این دوره برای ایجاد تعادل بین تئوری و پیاده سازی عملی، با راهنمای کامل کدهای نوت بوک jupyter و اسلایدها و یادداشت های مرجع آسان طراحی شده است. ما همچنین تمرین های زیادی برای آزمایش مهارت های جدید شما در طول راه داریم!

این دوره موضوعات مختلفی از جمله

را پوشش می دهد
  • مبانی شبکه عصبی
  • مبانی TensorFlow
  • شبکه های عصبی مصنوعی
  • شبکه های متراکم متصل
  • شبکه‌های عصبی کانولوشن
  • شبکه های عصبی مکرر
  • رمزگذارهای خودکار
  • یادگیری تقویتی
  • ورزشگاه OpenAI
  • و خیلی بیشتر!

فریمورک‌های یادگیری عمیق زیادی وجود دارد، پس چرا از TensorFlow استفاده کنید؟

TensorFlow یک کتابخانه نرم‌افزار منبع باز برای محاسبات عددی با استفاده از نمودارهای جریان داده است. گره‌ها در نمودار، عملیات ریاضی را نشان می‌دهند، در حالی که لبه‌های نمودار نشان‌دهنده آرایه‌های داده چند بعدی (تانسورها) هستند که بین آنها ارتباط برقرار می‌کنند. معماری انعطاف پذیر به شما امکان می دهد محاسبات را در یک یا چند CPU یا GPU در دسکتاپ، سرور یا دستگاه تلفن همراه با یک API واحد مستقر کنید. TensorFlow در ابتدا توسط محققان و مهندسانی که بر روی تیم مغز گوگل در سازمان تحقیقاتی هوش ماشینی گوگل کار می‌کردند، به منظور انجام تحقیقات یادگیری ماشین و شبکه‌های عصبی عمیق توسعه داده شد، اما این سیستم به اندازه‌ای عمومی است که در طیف گسترده‌ای از حوزه‌های دیگر قابل اجرا باشد. خوب.

شرکت‌های بزرگ در سراسر جهان از جمله Airbnb، Ebay، Dropbox، Snapchat، Twitter، Uber، SAP، Qualcomm، IBM، Intel، و البته Google از آن استفاده می‌کنند.

امروز به یک مربی یادگیری ماشین تبدیل شوید! ما شما را در داخل دوره خواهیم دید!


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • بررسی اجمالی دوره -- لطفاً از این سخنرانی نگذرید! با تشکر :) Course Overview -- PLEASE DON'T SKIP THIS LECTURE! Thanks :)

  • سوالات متداول - سوالات متداول FAQ - Frequently Asked Questions

معرفی Introduction

  • معرفی Introduction

  • بررسی اجمالی دوره -- لطفاً از این سخنرانی نگذرید! با تشکر :) Course Overview -- PLEASE DON'T SKIP THIS LECTURE! Thanks :)

  • سوالات متداول - سوالات متداول FAQ - Frequently Asked Questions

نصب و راه اندازی Installation and Setup

  • یادداشت سریع برای کاربران MacOS و Linux Quick Note for MacOS and Linux Users

  • نصب TensorFlow و تنظیمات محیطی Installing TensorFlow and Environment Setup

نصب و راه اندازی Installation and Setup

  • یادداشت سریع برای کاربران MacOS و Linux Quick Note for MacOS and Linux Users

  • نصب TensorFlow و تنظیمات محیطی Installing TensorFlow and Environment Setup

یادگیری ماشینی چیست؟ What is Machine Learning?

  • مروری بر یادگیری ماشین Machine Learning Overview

یادگیری ماشینی چیست؟ What is Machine Learning?

  • مروری بر یادگیری ماشین Machine Learning Overview

بررسی اجمالی دوره تصادف Crash Course Overview

  • مقدمه بخش Crash Course Crash Course Section Introduction

  • دوره Crash NumPy NumPy Crash Course

  • دوره سقوط پانداها Pandas Crash Course

  • دوره خرابی تصویرسازی داده ها Data Visualization Crash Course

  • بررسی اجمالی پیش پردازش SciKit Learn SciKit Learn Preprocessing Overview

  • تمرین مرور دوره تصادف Crash Course Review Exercise

  • تمرین مرور دوره تصادف - راه حل Crash Course Review Exercise - Solutions

بررسی اجمالی دوره تصادف Crash Course Overview

  • مقدمه بخش Crash Course Crash Course Section Introduction

  • دوره Crash NumPy NumPy Crash Course

  • دوره سقوط پانداها Pandas Crash Course

  • دوره خرابی تصویرسازی داده ها Data Visualization Crash Course

  • بررسی اجمالی پیش پردازش SciKit Learn SciKit Learn Preprocessing Overview

  • تمرین مرور دوره تصادف Crash Course Review Exercise

  • تمرین مرور دوره تصادف - راه حل Crash Course Review Exercise - Solutions

مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

  • مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

  • مقدمه ای بر پرسپترون Introduction to Perceptron

  • توابع فعال سازی شبکه عصبی Neural Network Activation Functions

  • توابع هزینه Cost Functions

  • پس انتشار گرادیان Gradient Descent Backpropagation

  • زمین بازی تنسورفلو TensorFlow Playground

  • ایجاد دستی شبکه عصبی - قسمت اول Manual Creation of Neural Network - Part One

  • ایجاد دستی شبکه عصبی - قسمت دوم - عملیات Manual Creation of Neural Network - Part Two - Operations

  • ایجاد دستی شبکه عصبی - قسمت سوم - متغیرها و مکان‌ها Manual Creation of Neural Network - Part Three - Placeholders and Variables

  • ایجاد دستی شبکه عصبی - قسمت چهارم - جلسه Manual Creation of Neural Network - Part Four - Session

  • کار دسته بندی شبکه عصبی دستی Manual Neural Network Classification Task

مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

  • مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

  • مقدمه ای بر پرسپترون Introduction to Perceptron

  • توابع فعال سازی شبکه عصبی Neural Network Activation Functions

  • توابع هزینه Cost Functions

  • پس انتشار گرادیان Gradient Descent Backpropagation

  • زمین بازی تنسورفلو TensorFlow Playground

  • ایجاد دستی شبکه عصبی - قسمت اول Manual Creation of Neural Network - Part One

  • ایجاد دستی شبکه عصبی - قسمت دوم - عملیات Manual Creation of Neural Network - Part Two - Operations

  • ایجاد دستی شبکه عصبی - قسمت سوم - متغیرها و مکان‌ها Manual Creation of Neural Network - Part Three - Placeholders and Variables

  • ایجاد دستی شبکه عصبی - قسمت چهارم - جلسه Manual Creation of Neural Network - Part Four - Session

  • کار دسته بندی شبکه عصبی دستی Manual Neural Network Classification Task

مبانی تنسورفلو TensorFlow Basics

  • مقدمه ای بر TensorFlow Introduction to TensorFlow

  • نحو پایه TensorFlow TensorFlow Basic Syntax

  • نمودارهای TensorFlow TensorFlow Graphs

  • متغیرها و متغیرها Variables and Placeholders

  • TensorFlow - یک شبکه عصبی - قسمت اول TensorFlow - A Neural Network - Part One

  • TensorFlow - یک شبکه عصبی - قسمت دوم TensorFlow - A Neural Network - Part Two

  • مثال رگرسیون تنسورفلو - قسمت اول TensorFlow Regression Example - Part One

  • مثال رگرسیون تنسورفلو _ قسمت دوم TensorFlow Regression Example _ Part Two

  • مثال طبقه بندی TensorFlow - قسمت اول TensorFlow Classification Example - Part One

  • مثال طبقه بندی TensorFlow - قسمت دوم TensorFlow Classification Example - Part Two

  • تمرین رگرسیون TF TF Regression Exercise

  • راه حل تمرین رگرسیون TF TF Regression Exercise Solution Walkthrough

  • تمرین طبقه بندی TF TF Classification Exercise

  • راه حل تمرین طبقه بندی TF TF Classification Exercise Solution Walkthrough

  • ذخیره و بازیابی مدل ها Saving and Restoring Models

مبانی تنسورفلو TensorFlow Basics

  • مقدمه ای بر TensorFlow Introduction to TensorFlow

  • نحو پایه TensorFlow TensorFlow Basic Syntax

  • نمودارهای TensorFlow TensorFlow Graphs

  • متغیرها و متغیرها Variables and Placeholders

  • TensorFlow - یک شبکه عصبی - قسمت اول TensorFlow - A Neural Network - Part One

  • TensorFlow - یک شبکه عصبی - قسمت دوم TensorFlow - A Neural Network - Part Two

  • مثال رگرسیون تنسورفلو - قسمت اول TensorFlow Regression Example - Part One

  • مثال رگرسیون تنسورفلو _ قسمت دوم TensorFlow Regression Example _ Part Two

  • مثال طبقه بندی TensorFlow - قسمت اول TensorFlow Classification Example - Part One

  • مثال طبقه بندی TensorFlow - قسمت دوم TensorFlow Classification Example - Part Two

  • تمرین رگرسیون TF TF Regression Exercise

  • راه حل تمرین رگرسیون TF TF Regression Exercise Solution Walkthrough

  • تمرین طبقه بندی TF TF Classification Exercise

  • راه حل تمرین طبقه بندی TF TF Classification Exercise Solution Walkthrough

  • ذخیره و بازیابی مدل ها Saving and Restoring Models

شبکه های عصبی کانولوشنال Convolutional Neural Networks

  • مقدمه ای بر بخش شبکه عصبی کانولوشنال Introduction to Convolutional Neural Network Section

  • بررسی شبکه های عصبی Review of Neural Networks

  • مباحث تئوری جدید New Theory Topics

  • یادداشت سریع در مورد سخنرانی MNIST Quick note on MNIST lecture

  • بررسی اجمالی داده های MNIST MNIST Data Overview

  • رویکرد اساسی MNIST قسمت اول MNIST Basic Approach Part One

  • رویکرد اساسی MNIST قسمت دوم MNIST Basic Approach Part Two

  • بخش اول نظریه CNN CNN Theory Part One

  • نظریه CNN قسمت دوم CNN Theory Part Two

  • CNN MNIST Code Along - قسمت اول CNN MNIST Code Along - Part One

  • CNN MNIST Code Along - قسمت دوم CNN MNIST Code Along - Part Two

  • مقدمه ای بر پروژه CNN Introduction to CNN Project

  • راه حل تمرین پروژه CNN - قسمت اول CNN Project Exercise Solution - Part One

  • راه حل تمرین پروژه CNN - قسمت دوم CNN Project Exercise Solution - Part Two

شبکه های عصبی کانولوشنال Convolutional Neural Networks

  • مقدمه ای بر بخش شبکه عصبی کانولوشنال Introduction to Convolutional Neural Network Section

  • بررسی شبکه های عصبی Review of Neural Networks

  • مباحث تئوری جدید New Theory Topics

  • یادداشت سریع در مورد سخنرانی MNIST Quick note on MNIST lecture

  • بررسی اجمالی داده های MNIST MNIST Data Overview

  • رویکرد اساسی MNIST قسمت اول MNIST Basic Approach Part One

  • رویکرد اساسی MNIST قسمت دوم MNIST Basic Approach Part Two

  • بخش اول نظریه CNN CNN Theory Part One

  • نظریه CNN قسمت دوم CNN Theory Part Two

  • CNN MNIST Code Along - قسمت اول CNN MNIST Code Along - Part One

  • CNN MNIST Code Along - قسمت دوم CNN MNIST Code Along - Part Two

  • مقدمه ای بر پروژه CNN Introduction to CNN Project

  • راه حل تمرین پروژه CNN - قسمت اول CNN Project Exercise Solution - Part One

  • راه حل تمرین پروژه CNN - قسمت دوم CNN Project Exercise Solution - Part Two

شبکه های عصبی مکرر Recurrent Neural Networks

  • مقدمه ای بر بخش RNN Introduction to RNN Section

  • نظریه RNN RNN Theory

  • ایجاد دستی RNN Manual Creation of RNN

  • ناپدید شدن گرادیان ها Vanishing Gradients

  • تئوری LSTM و GRU LSTM and GRU Theory

  • مقدمه ای بر RNN با API TensorFlow Introduction to RNN with TensorFlow API

  • RNN با TensorFlow - قسمت اول RNN with TensorFlow - Part One

  • RNN با TensorFlow - قسمت دوم RNN with TensorFlow - Part Two

  • یادداشت سریع در مورد ترسیم RNN قسمت 3 Quick Note on RNN Plotting Part 3

  • RNN با TensorFlow - قسمت سوم RNN with TensorFlow - Part Three

  • مروری بر تمرینات سری زمانی Time Series Exercise Overview

  • راه حل تمرین سری زمانی Time Series Exercise Solution

  • یادداشت سریع در Word2Vec Quick Note on Word2Vec

  • نظریه Word2Vec Word2Vec Theory

  • کد Word2Vec همراه - قسمت اول Word2Vec Code Along - Part One

  • Word2Vec قسمت دوم Word2Vec Part Two

شبکه های عصبی مکرر Recurrent Neural Networks

  • مقدمه ای بر بخش RNN Introduction to RNN Section

  • نظریه RNN RNN Theory

  • ایجاد دستی RNN Manual Creation of RNN

  • ناپدید شدن گرادیان ها Vanishing Gradients

  • تئوری LSTM و GRU LSTM and GRU Theory

  • مقدمه ای بر RNN با API TensorFlow Introduction to RNN with TensorFlow API

  • RNN با TensorFlow - قسمت اول RNN with TensorFlow - Part One

  • RNN با TensorFlow - قسمت دوم RNN with TensorFlow - Part Two

  • یادداشت سریع در مورد ترسیم RNN قسمت 3 Quick Note on RNN Plotting Part 3

  • RNN با TensorFlow - قسمت سوم RNN with TensorFlow - Part Three

  • مروری بر تمرینات سری زمانی Time Series Exercise Overview

  • راه حل تمرین سری زمانی Time Series Exercise Solution

  • یادداشت سریع در Word2Vec Quick Note on Word2Vec

  • نظریه Word2Vec Word2Vec Theory

  • کد Word2Vec همراه - قسمت اول Word2Vec Code Along - Part One

  • Word2Vec قسمت دوم Word2Vec Part Two

موضوعات متفرقه Miscellaneous Topics

  • مقدمه ای بر موضوعات متفرقه Intro to Miscellaneous Topics

  • Deep Nets with Tensorflow Abstractions API - قسمت اول Deep Nets with Tensorflow Abstractions API - Part One

  • Deep Nets with Tensorflow Abstractions API - Estimator API Deep Nets with Tensorflow Abstractions API - Estimator API

  • Deep Nets with Tensorflow Abstractions API - Keras Deep Nets with Tensorflow Abstractions API - Keras

  • Deep Nets with Tensorflow Abstractions API - Layers Deep Nets with Tensorflow Abstractions API - Layers

  • تانسوربرد Tensorboard

موضوعات متفرقه Miscellaneous Topics

  • مقدمه ای بر موضوعات متفرقه Intro to Miscellaneous Topics

  • Deep Nets with Tensorflow Abstractions API - قسمت اول Deep Nets with Tensorflow Abstractions API - Part One

  • Deep Nets with Tensorflow Abstractions API - Estimator API Deep Nets with Tensorflow Abstractions API - Estimator API

  • Deep Nets with Tensorflow Abstractions API - Keras Deep Nets with Tensorflow Abstractions API - Keras

  • Deep Nets with Tensorflow Abstractions API - Layers Deep Nets with Tensorflow Abstractions API - Layers

  • تانسوربرد Tensorboard

رمزگذارهای خودکار AutoEncoders

  • مبانی رمزگذار خودکار Autoencoder Basics

  • کاهش ابعاد با رمزگذار خودکار خطی Dimensionality Reduction with Linear Autoencoder

  • بررسی اجمالی تمرین PCA Autoencoder خطی Linear Autoencoder PCA Exercise Overview

  • راه حل های تمرین PCA Autoencoder خطی Linear Autoencoder PCA Exercise Solutions

  • رمزگذار خودکار پشته ای Stacked Autoencoder

رمزگذارهای خودکار AutoEncoders

  • مبانی رمزگذار خودکار Autoencoder Basics

  • کاهش ابعاد با رمزگذار خودکار خطی Dimensionality Reduction with Linear Autoencoder

  • بررسی اجمالی تمرین PCA Autoencoder خطی Linear Autoencoder PCA Exercise Overview

  • راه حل های تمرین PCA Autoencoder خطی Linear Autoencoder PCA Exercise Solutions

  • رمزگذار خودکار پشته ای Stacked Autoencoder

آموزش تقویتی با OpenAI Gym Reinforcement Learning with OpenAI Gym

  • مقدمه ای بر یادگیری تقویتی با OpenAI Gym Introduction to Reinforcement Learning with OpenAI Gym

  • منابع اضافی برای یادگیری تقویتی Extra Resources for Reinforcement Learning

  • آشنایی با OpenAI Gym Introduction to OpenAI Gym

  • OpenAI Gym Steup OpenAI Gym Steup

  • AI Gym Env Basics را باز کنید Open AI Gym Env Basics

  • AI Gym Observations را باز کنید Open AI Gym Observations

  • OpenAI Gym Actions OpenAI Gym Actions

  • بازی شبکه عصبی ساده Simple Neural Network Game

  • نظریه گرادیان خط مشی Policy Gradient Theory

  • کد گرادیان خط مشی در امتداد قسمت اول Policy Gradient Code Along Part One

  • کد گرادیان خط مشی در امتداد قسمت دوم Policy Gradient Code Along Part Two

آموزش تقویتی با OpenAI Gym Reinforcement Learning with OpenAI Gym

  • مقدمه ای بر یادگیری تقویتی با OpenAI Gym Introduction to Reinforcement Learning with OpenAI Gym

  • منابع اضافی برای یادگیری تقویتی Extra Resources for Reinforcement Learning

  • آشنایی با OpenAI Gym Introduction to OpenAI Gym

  • OpenAI Gym Steup OpenAI Gym Steup

  • AI Gym Env Basics را باز کنید Open AI Gym Env Basics

  • AI Gym Observations را باز کنید Open AI Gym Observations

  • OpenAI Gym Actions OpenAI Gym Actions

  • بازی شبکه عصبی ساده Simple Neural Network Game

  • نظریه گرادیان خط مشی Policy Gradient Theory

  • کد گرادیان خط مشی در امتداد قسمت اول Policy Gradient Code Along Part One

  • کد گرادیان خط مشی در امتداد قسمت دوم Policy Gradient Code Along Part Two

GAN - شبکه های متخاصم مولد GAN - Generative Adversarial Networks

  • مقدمه ای بر GAN ها Introduction to GANs

  • کد GAN همراه - قسمت اول GAN Code Along - Part One

  • GAN Code Along - قسمت دوم GAN Code Along - Part Two

  • GAN Code Along - قسمت سوم GAN Code Along - Part Three

GAN - شبکه های متخاصم مولد GAN - Generative Adversarial Networks

  • مقدمه ای بر GAN ها Introduction to GANs

  • کد GAN همراه - قسمت اول GAN Code Along - Part One

  • GAN Code Along - قسمت دوم GAN Code Along - Part Two

  • GAN Code Along - قسمت سوم GAN Code Along - Part Three

جایزه BONUS

  • سخنرانی پاداش Bonus Lecture

جایزه BONUS

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

نظری ارسال نشده است.

آموزش راهنمای کامل TensorFlow برای یادگیری عمیق با پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
14 hours
96
Udemy (یودمی) udemy-small
28 فروردین 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
93,813
4.1 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.