آموزش یادگیری عمیق با کراس و تنسورفلو (Keras & TensorFlow) - آخرین آپدیت

دانلود Deep Learning with Keras and Tensorflow

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: یادگیری عمیق در حال متحول کردن بسیاری از زمینه‌ها از جمله بینایی ماشین، پردازش زبان طبیعی (NLP) و رباتیک است. علاوه بر این، Keras به عنوان یک API سطح بالا برای شبکه‌های عصبی که به زبان پایتون نوشته شده، به بخش ضروری TensorFlow تبدیل شده و یادگیری عمیق را دسترس‌پذیر و ساده کرده است. تسلط بر این تکنیک‌ها فرصت‌های شغلی و پژوهشی بسیاری را در صنعت و دانشگاه برای شما فراهم می‌کند. در این دوره، شما یاد می‌گیرید که چگونه لایه‌ها و مدل‌های سفارشی را در Keras ایجاد کنید و برای دستیابی به عملکردهای پیشرفته، Keras را با TensorFlow 2.x ادغام نمایید. شما شبکه‌های عصبی پیچشی (CNN) پیشرفته را با استفاده از Keras توسعه خواهید داد و مدل‌های ترنسفورمر (Transformer) را برای داده‌های متوالی و سری‌های زمانی با استفاده از TensorFlow و Keras خواهید ساخت. همچنین این دوره شامل مفاهیم یادگیری بدون نظارت در Keras و TensorFlow برای بهینه‌سازی مدل و ایجاد حلقه‌های آموزشی سفارشی (Custom Training Loops) است. در نهایت، شما شبکه‌های Q عمیق (DQN) را برای وظایف یادگیری تقویت شده (Reinforcement Learning) توسعه داده و آموزش خواهید داد (همچنین دیدگاهی جامع از مدل‌سازی مولد و یادگیری تقویت شده ارائه می‌شود). شما می‌توانید مفاهیم آموخته شده را از طریق آزمایشگاه‌های عملی در هر درس تمرین کنید. پروژه نهایی در آخرین ماژول، فرصتی را فراهم می‌کند تا دانش خود را برای ساخت یک مدل طبقه‌بندی (Classification) با استفاده از یادگیری انتقالی (Transfer Learning) به کار بگیرید. این دوره برای تمام مهندسان مشتاق هوش مصنوعی که قصد یادگیری TensorFlow و Keras را دارند، مناسب است. پیش‌نیاز این دوره، داشتن دانش کاربردی در برنامه‌نویسی پایتون، مفاهیم پایه ریاضی مانند گرادینت‌ها و ماتریس‌ها و همچنین آشنایی با مبانی یادگیری عمیق با Keras است.

سرفصل ها و درس ها

قابلیت‌های پیشرفته کراس Advanced Keras Functionalities

معرفی دوره Course Introduction
آشنایی با کراس پیشرفته Introduction to Advanced Keras
API کاربردی و API زیرکلاسی در کراس Keras Functional API and Subclassing API
ساخت لایه‌های سفارشی در کراس Creating Custom Layers in Keras
مروری بر TensorFlow 2.x Overview of TensorFlow 2.x

شبکه‌های CNN پیشرفته در کراس Advanced CNNs in Keras

شبکه‌های CNN پیشرفته در کراس Advanced CNNs in Keras
تکنیک‌های افزایش داده‌ها (Data Augmentation) Data Augmentation Techniques
یادگیری انتقالی در کراس Transfer Learning in Keras
استفاده از مدل‌های پیش‌آموزش‌دیده Using Pre-trained Models
تنسورفلو برای پردازش تصویر TensorFlow for Image Processing
معرفی کانولوشن ترانهاده (Transpose Convolution) Introducing Transpose Convolution

ترنسفورمرها در کراس Transformers in Keras

آشنایی با ترنسفورمرها در کراس Introduction to Transformers in Keras
ساخت ترنسفورمر برای داده‌های متوالی Building Transformers for Sequential Data
کاربردهای پیشرفته ترنسفورمر Advanced Transformer Applications
ترنسفورمرها برای پیش‌بینی سری‌های زمانی Transformers for Time Series Prediction
تنسورفلو برای داده‌های متوالی TensorFlow for Sequential Data

یادگیری بدون نظارت و مدل‌های مولد در کراس Unsupervised Learning and Generative Models in Keras

آشنایی با یادگیری بدون نظارت در کراس Introduction to Unsupervised Learning in Keras
ساخت اتوانکودرها در کراس Building Autoencoders in Keras
مدل‌های دیفیوژن (Diffusion Models) Diffusion Models
شبکه‌های رقابتی مولد (GANs) Generative Adversarial Networks (GANs)
تنسورفلو برای یادگیری بدون نظارت TensorFlow for Unsupervised Learning