لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تسریع TensorFlow با موتور یادگیری ماشین Google
Accelerating TensorFlow with the Google Machine Learning Engine
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
نحوه استفاده از TensorFlow - یک کتابخانه نرم افزار منبع باز برای محاسبه عددی - را برای ساختن برنامه های یادگیری ماشین با عملکرد بالا کشف کنید. در این دوره ، مدرس Matt Scarpino به شما کمک می کند تا شما را با این ابزار هیجان انگیز آشنا کند. در اینجا ، او روند توسعه برنامه های TensorFlow و اجرای آنها را در موتور یادگیری ماشین Google Cloud (ML) کاوش می کند.
مت با شروع بحث با جزئیات در مورد توسعه TensorFlow ، شروع کار با اقدامات اساسی تنسور و شروع به نمودارها ، جلسات ، متغیرها و آموزش ، دوره را شروع می کند. او همچنین از ویژگی های سطح بالا مانند مجموعه داده ها ، تکرارکنندگان و برآوردگرها استفاده می کند. در مرحله بعدی ، مت به معرفی Google Cloud Platform (GCP) و قابلیت های آن می پردازد. وی نحوه ایجاد یک پروژه GCP و دسترسی به آن را از طریق ابزار Cloud SDK نشان می دهد. علاوه بر این ، وی فضای ذخیره سازی Google Cloud را پوشش می دهد ، که به توسعه دهندگان امکان می دهد داده هایی را که در برنامه های GCP قابل دسترسی هستند بارگذاری کنند. برای جمع کردن ، او چگونگی استقرار برنامه های TensorFlow خود را در ML Engine قدم می گذارد.
موضوعات شامل:
ایجاد تنسور li>
عملیات تانسور اساسی و پیشرفته li>
دسترسی به نمودارها و جلسات در کد li>
برنامه های کاربردی آموزش TensorFlow
استفاده از متغیرها در کد li>
استفاده از بهینه سازها li>
استفاده از TensorBoard در عمل li>
دسترسی به داده ها با مجموعه داده ها li>
کدگذاری با مجموعه داده ها و تکرارکننده ها li>
یادگیری ماشین با برآوردگرها li>
استفاده از برآوردگرها در موتور یادگیری ماشین li>
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدی
Welcome
آنچه باید بدانید
What you should know
با استفاده از پرونده های تمرینی
Using the exercise files
1. معرفی TensorFlow
1. Introducing TensorFlow
بررسی اجمالی و نصب
Overview and installation
شروع شدن
Getting started
اجرای یک برنامه ساده
Running a simple application
2. اصول توسعه TensorFlow
2. Fundamentals of TensorFlow Development
ایجاد تنش
Creating tensors
عملیات اساسی تانسور
Basic tensor operations
عملیات پیشرفته تانسور
Advanced tensor operations
درک نمودارها و جلسات
Understanding graphs and sessions
دسترسی به نمودارها و جلسات به صورت کد
Accessing graphs and sessions in code
3. آموزش برنامه های کاربردی TensorFlow
3. Training TensorFlow Applications
متغیرها و ورود به سیستم
Variables and logging
استفاده از متغیرها در کد
Using variables in code
با استفاده از بهینه سازها
Using optimizers
مثال بهینه ساز ساده
Simple optimizer example
دسته و متغیرهایی
Batches and placeholders
رگرسیون خطی در کد: قسمت 1
Linear regression in code: Part 1
رگرسیون خطی در کد: قسمت 2
Linear regression in code: Part 2
TensorBoard
TensorBoard
استفاده از TensorBoard در عمل
Using TensorBoard in practice
4- دسترسی به داده ها با مجموعه داده
4. Accessing Data with Datasets
مجموعه داده ها و تکرارها
Datasets and iterators
کدگذاری با مجموعه داده ها و برنامه های تکراری
Coding with datasets and iterators
عملیات پایگاه داده
Dataset operations
ایجاد مجموعه داده از پرونده ها
Creating datasets from files
معرفی تصاویر MNIST
Introducing MNIST images
خواندن داده های MNIST به صورت کد
Reading MNIST data in code
5- یادگیری ماشین با تخمین گرها
5. Machine Learning with Estimators
درک برآوردگرها
Understanding estimators
توصیف داده ها با ستون های ویژگی
Describing data with feature columns
کدگذاری یک برآوردگر ساده: قسمت 1
Coding a simple estimator: Part 1
کدگذاری یک برآوردگر ساده: قسمت 2
Coding a simple estimator: Part 2
برآوردگرها و شبکه های عصبی
Estimators and neural networks
کدگذاری یک برآوردگر DNN: قسمت 1
Coding a DNN estimator: Part 1
کدگذاری یک برآوردگر DNN: قسمت 2
Coding a DNN estimator: Part 2
متیو اسکارپینو یک توسعهدهنده نرمافزار با تجربه و متخصص در توسعه نرمافزار با سرعت بالا است.
در حال حاضر، متیو بهعنوان توسعهدهنده نرمافزار در Plutocracy.com کار میکند، شرکتی که قصد دارد از قدرت یادگیری عمیق استفاده کند. از سرمایه گذاران فردی و شرکت های سرمایه گذاری کوچک حمایت کنید. او در نقش فعلی خود، پیش بینی سهام را با استفاده از پایتون، درون یابی اسپلاین و شبکه های عصبی مکرر (RNN) پیاده سازی می کند. او مدلهای TensorFlow را در موتور یادگیری ماشین ابری گوگل برای پردازش با سرعت بالا مستقر کرده است. تخصص های متیو عبارتند از C++، Python، TensorFlow و Google Cloud Platform (GCP).
نمایش نظرات