آموزش ساخت مدل های رگرسیون با استفاده از TensorFlow
Building Regression Models Using TensorFlow
بررسی اجمالی دوره Course Overview
-
بررسی اجمالی دوره Course Overview
یادگیری با استفاده از نورون ها Learning Using Neurons
-
درک عمیق یادگیری Understanding Deep Learning
-
عمیق یادگیری به عنوان یک سیستم یادگیری نمایندگی Deep Learning as a Representation Learning System
-
نورون ها به عنوان واحدهای یادگیری Neurons as Learning Units
-
درک یک نورون Understanding a Neuron
-
توابع فعال سازی Activation Functions
-
رگرسیون: ساده ترین شبکه عصبی Regression: The Simplest Neural Network
-
XOR: یک شبکه عصبی کمی پیچیده تر XOR: A Slightly More Complex Neural Network
-
یادگیری XOR Learning XOR
-
انتخاب عملکرد فعال سازی Choice of Activation Function
-
پیش نیازها و طرح کلی دوره Prequisites and Course Outline
ساخت مدلهای رگرسیون خطی با استفاده از TensorFlow Building Linear Regression Models Using TensorFlow
-
طرح کلی رویکرد شما Outlining Your Approach
-
پیاده سازی پایه A Baseline Implementation
-
درک شیب نزولی Understanding Gradient Descent
-
پیاده سازی نزول گرادیان تصادفی در TensorFlow Implementing Stochastic Gradient Descent in TensorFlow
-
ابزار دقیق و استفاده از TensorBoard Instrumenting and Using TensorBoard
-
پیاده سازی نزولی گرادیان دسته ای در TensorFlow Implementing Batch Gradient Descent in TensorFlow
-
اجرای رگرسیون چندگانه Implementing Multiple Regression
ساخت مدل های رگرسیون لجستیک با استفاده از TensorFlow Building Logistic Regression Models Using TensorFlow
-
شهود پشت سرگذاشتن لجستیک The Intuition Behind Logistic Regression
-
رگرسیون لجستیک و رگرسیون خطی Logistic Regression and Linear Regression
-
پیاده سازی پایه A Baseline Implementation
-
رگرسیون لجستیک در TensorFlow Logistic Regression in TensorFlow
-
پیامدهای استفاده از فعال سازی Softmax The Implications of Using Softmax Activation
-
صلیب انتروپی Cross Entropy
-
پیاده سازی طبقه بندی خطی در TensorFlow Implementing Linear Classification in TensorFlow
-
محاسبه دقت Calculating Accuracy
ساخت مدلهای خطی تعمیم یافته با استفاده از برآوردگرها Building Generalized Linear Models Using Estimators
-
ارزیابی کنندگان چگونه کار می کنند How Estimators Work
-
رگرسیون خطی با برآوردگرها Linear Regression with Estimators
-
رگرسیون لجستیک با برآوردگرها Logistic Regression with Estimators
-
گسترش برآوردگرها با مدلهای سفارشی Extending Estimators with Custom Models
-
خلاصه دوره Course Summary
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/b5d7
آموزش مقدمه ای بر TensorFlow
Introduction to TensorFlow
در این دوره آموزشی، نحوه ایجاد مدل های یادگیری ماشینی در TensorFlow که ابزاری است که برای نوشتن برنامه های یادگیری ماشین استفاده خواهیم کرد، یاد خواهید گرفت. شما یاد خواهید گرفت که چگونه از کتابخانه های TensorFlow برای حل مسائل عددی استفاده کنید. هنگام نوشتن برنامه‌ها، اغلب می‌خواهید درباره اشتباهات رایجی که ممکن است به آن‌ها برخورد کنید و نحوه رفع خطاهای رایج بدانید. سپس، ما به تخمین‌گر API نگاه می‌کنیم، که بالاترین سطح انتزاع را در TensorFlow برای آموزش، ارزیابی و ارائه مدلهای یادگیری ماشین ارائه می‌کند. شما یاد خواهید گرفت که چگونه از tf_estimator برای ایجاد، آموزش و ارزیابی یک مدل ML استفاده کنید. در نهایت، نحوه اجرای مدلهای TensorFlow را در پلتفرم Cloud AI، زیرساخت‌های مدیریت شده توسط Google برای اجرای TensorFlow یاد خواهید گرفت. شما یاد خواهید گرفت که چگونه با پلتفرم Cloud AI، مدل های ML را در مقیاس آموزش، استقرار و تولید کنید.
آموزش سیستم های پیشنهادی با TensorFlow در GCP
Recommendation Systems with TensorFlow on GCP
در این دوره ، شما دانش خود را در مورد مدل های طبقه بندی و تعبیه شده برای ساخت یک خط لوله ML که به عنوان موتور توصیه استفاده می کند ، استفاده کنید.
آموزش گواهی توسعه دهنده TensorFlow - طبقه بندی تصویر
TensorFlow Developer Certificate - Image Classification
به عنوان بخشی از گواهینامه TensorFlow Developer، این دوره بر روی بینایی کامپیوتر تمرکز دارد. در پایان دوره، شما همه چیز را برای ساخت شبکه های عصبی بینایی کامپیوتری که می توانند تصاویر پیچیده دنیای واقعی را با استفاده از TensorFlow مدیریت کنند، خواهید دانست.
آموزش پیاده سازی تجزیه و تحلیل پیش بینی با TensorFlow
Implementing Predictive Analytics with TensorFlow
TensorFlow یک کتابخانه نرم افزار علوم داده و یادگیری ماشین است که به طور گسترده مورد استفاده قرار می گیرد. این دوره اصول پیاده سازی تجزیه و تحلیل پیش بینی با استفاده از TensorFlow ، از جمله سیستم های یادگیری تحت نظارت ، توصیه و تقویت را به شما آموزش می دهد.
Vitthal Srinivasan
ویتال بسیاری از عمر خود را صرف تحصیل کرده است - وی دارای مدرک کارشناسی ارشد در رشته های ریاضی و مهندسی برق از استنفورد ، MBA از INSEAD و لیسانس مهندسی کامپیوتر از بمبئی است. او همچنین بسیاری از زندگی خود را صرف کار کرده است - به عنوان یک مشتق مشتق در Credit Suisse در نیویورک ، سپس به عنوان یک معامله گر کوان ، ابتدا با یک صندوق پرچین در گرینویچ و سپس به صورت شخصی و در نهایت در Google در سنگاپور و Flipkart بنگلور در تمام این نقش ها ، او کدهای زیادی نوشته است و مدل های زیادی ساخته است.
Pluralsight (پلورال سایت)
Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.
یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.