"آموزش انتقالی به این می پردازد که چگونه سیستم ها می توانند به سرعت خود را با موقعیت های جدید، وظایف جدید و محیط های جدید تطبیق دهند. این به سیستم های یادگیری ماشینی این توانایی را می دهد که از داده ها و مدل های کمکی برای کمک به حل مشکلات هدف زمانی که فقط مقدار کمی وجود دارد استفاده کنند. داده های موجود در دامنه هدف." کتاب آموزش انتقال توسط کیانگ یانگ (نویسنده)، یو ژانگ، ونیوان دای، سینو جیالین پان
به " آموزش انتقال در انگولار: آموزش اعمال یادگیری انتقال با استفاده از TensorFlow.js در TypeScript" خوش آمدید!
در این دوره جامع Udemy، شما سفری را آغاز خواهید کرد تا با استفاده از TensorFlow.js بر هنر انتقال یادگیری مسلط شوید. یادگیری انتقالی یک تکنیک قدرتمند است که به شما امکان میدهد از مدلهای از پیش آموزشدیده استفاده کنید و آنها را در کارهای جدید به کار ببرید و در وقت و منابع محاسباتی شما صرفهجویی کنید.
در طول این دوره، سه رویکرد عملی برای انتقال یادگیری با استفاده از TensorFlow.js را بررسی خواهید کرد. ما با کاوش Teachable Machine، یک پلتفرم بصری و کاربرپسند که به شما امکان میدهد مدلهای یادگیری ماشینی سفارشی را بدون نوشتن یک خط کد، ایجاد کنید، شروع میکنیم. شما یاد خواهید گرفت که چگونه طبقهبندیکنندههای تصویر خود را آموزش دهید، و سپس آنها را به عنوان مدلهای TensorFlow.js صادر کنید که میتوانند به راحتی در برنامههای وب شما ادغام شوند.
در مرحله بعد، به الگوریتم K-Nearest Neighbors (KNN) به عنوان طبقهبندی کننده میپردازیم و از MobileNet قدرتمند به عنوان استخراجکننده ویژگی استفاده میکنیم. با آموزش طبقهبندیکننده KNN با ویژگیهای از پیش استخراجشده از MobileNet، که به شما امکان میدهد تصاویر را با دقت چشمگیر طبقهبندی کنید، خواهید فهمید که چگونه میتوانید سیستمهای تشخیص تصویر قوی بسازید. ما شما را در فرآیند پیاده سازی گام به گام راهنمایی می کنیم و اطمینان حاصل می کنیم که درک کاملی از مفاهیم و تکنیک های مربوطه به دست آورده اید.
در نهایت، ما شما را با مهارتهای ساخت یک شبکه عصبی ساده با استفاده از MobileNet به عنوان استخراجکننده ویژگی مجهز میکنیم. شما یاد خواهید گرفت که چگونه این شبکه عصبی را برای کارهای خاص، مانند طبقه بندی تصاویر، با آموزش آن بر روی مجموعه داده های سفارشی خود تنظیم کنید. در پایان دوره، میتوانید مدلهای قدرتمند و همهکاره را با استفاده از TensorFlow.js با MobileNet به عنوان سلاح مخفی خود توسعه دهید.
آنچه این دوره را متمایز می کند، رویکرد عملی است که ما در سراسر آن اتخاذ می کنیم. شما نه تنها دانش نظری به دست خواهید آورد، بلکه فرصت های زیادی برای به کارگیری مهارت های خود به دست خواهید آورد. ما مجموعهای از تمرینهای جذاب و چالشهای کدنویسی طراحی کردهایم تا اطمینان حاصل کنیم که میتوانید با اطمینان آنچه را که آموختهاید به کار ببرید.
چه مبتدی در یادگیری ماشینی باشید یا یک توسعهدهنده با تجربه که به دنبال گسترش مهارتهای خود هستید، این دوره متناسب با نیازهای شما طراحی شده است. در پایان دوره، شما با TensorFlow.js پایه ای عملی در یادگیری انتقال خواهید داشت که به شما امکان می دهد پتانسیل کامل مدل های از پیش آموزش دیده را باز کنید و برنامه های پیچیده ای بسازید که از قدرت هوش مصنوعی استفاده می کنند.
اکنون ثبت نام کنید و این سفر هیجان انگیز را آغاز کنید تا یک متخصص یادگیری انتقال TensorFlow.js شوید!
نمایش نظرات