آموزش یادگیری ماشینی با TensorFlow در Google Cloud

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

• منابع دوره Course resources

• Google cloud - Google Colab در مقابل Vertex AI Google cloud - Google Colab vs Vertex AI

مبانی یادگیری ماشین Basics of Machine Learning

• مبانی رگرسیون خطی Linear regression basics

• مبانی رگرسیون لجستیک Logistic regression basics

پرسپترون - مقدمه ای بر شبکه عصبی Perceptron - Introduction to neural network

• مقدمه ای بر ANN Introduction to ANN

• سلول عصبی منفرد Single Neural Cell

• نمونه ای از پرسپترون Example of a Perceptron

• توابع فعال سازی چیست؟ What are Activation Functions

• تابع فعال سازی سیگموئید Sigmoid Activation Function

• مطالعه موردی رگرسیون خطی Linear regression case study

• مطالعه موردی رگرسیون خطی - نمایش Linear regression case study - demonstration

• مطالعه موردی رگرسیون لجستیک Logistic regression case study

• مطالعه موردی رگرسیون لجستیک - نمایش Logistic regression case study - demonstration

شبکه های عصبی مصنوعی Artificial neural network

• موازی در مقابل انباشته شدن متوالی Parallel vs Sequential Stacking

• شرایط مهم Important terms

• نحوه عملکرد شبکه های عصبی How Neural Networks work

• یافتن بهینه با استفاده از Gradient Descent Finding the optima using Gradient Descent

• مفهوم پشت با استفاده از گرادیان نزول Concept Behind Using Gradient Descent

• انتشار برگشتی در شبکه عصبی Back Propagation in neural network

• انواع و کاربردهای توابع فعال سازی Types and Uses of Activation Functions

• طبقه بندی چند طبقه Multiclass Classification

• تفاوت بین نزول گرادیان و نزول گرادیان تصادفی Difference Between Gradient Descent and Stochastic Gradient Descent

• دوره ها Epochs

ایجاد شبکه عصبی مصنوعی در Google Colab Creating arctificial neural network on Google Colab

• اطلاعاتی در مورد Keras و Tensorflow Information on Keras and Tensorflow

• مجموعه داده برای طبقه بندی Dataset for classification

• عادی سازی و تقسیم تست-قطار Normalization and Test-Train split

• روش های مختلف برای ایجاد ANN Different ways to create ANN

• ساخت شبکه عصبی Building the Neural Network

• تدوین و آموزش مدل شبکه عصبی Compiling and Training the Neural Network model

• ارزیابی عملکرد و پیش بینی Evaluating performance and Predicting

• ساخت شبکه عصبی برای مسئله رگرسیون Building Neural Network for Regression Problem

• معماری پیچیده ANN با استفاده از Functional API Complex ANN Architectures using Functional API

• درک پست های بازرسی و تماس های تلفنی در Keras Understanding Checkpoints and Callbacks in Keras

CNN - مقدمه CNN - Introduction

• CNN - مقدمه CNN - Introduction

• CNN - پیاده سازی CNN - Implementation

• گام در CNN Stride in CNN

• بالشتک در CNN Padding in CNN

• فیلترها در CNN Filters in CNN

• نمونه ای از فیلترها و نقشه های ویژگی در CNN Example of Filters and Feature maps in CNN

• کانال ها در CNN Channels in CNN

• تصویر کانال های RGB RGB Channels Illustration

• لایه ادغام در CNN Pooling layer in CNN

CNN در Google Colab CNN on Google Colab

• مدل CNN - پیش پردازش CNN model - Preprocessing

• مدل CNN - ساختار و کامپایل CNN model - structure and Compile

• مدل CNN - آموزش و نتایج CNN model - Training and results

• مدل CNN - تاثیر لایه ادغام CNN model - Impact of pooling layer

پروژه - ایجاد مدل CNN از ابتدا Project - Creating CNN model from scratch

• معرفی پروژه Introduction to the project

• داده های پروژه Data for the project

• پروژه - پیش پردازش داده در پایتون Project - Data Preprocessing in Python

• پروژه - آموزش مدل CNN در پایتون Project - Training CNN model in Python

• پروژه در پایتون - نتایج مدل Project in Python - model results

پروژه: افزایش داده ها برای جلوگیری از برازش بیش از حد Project : Data Augmentation for avoiding overfitting

• پروژه - پیش پردازش افزایش داده ها Project - Data Augmentation Preprocessing

• پروژه - آموزش افزایش داده ها و نتایج Project - Data Augmentation Training and Results