آموزش مقدمه ای بر TensorFlow

Introduction to TensorFlow

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: 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.

سرفصل ها و درس ها

معرفی Introduction

  • اسلایدهای ماژول 1 Module 1 Slides

  • معرفی Introduction

  • شروع کار با Google Cloud Platform و Qwiklabs Getting Started with Google Cloud Platform and Qwiklabs

هسته TensorFlow Core TensorFlow

  • اسلایدهای ماژول 2 Module 2 Slides

  • معرفی Introduction

  • TensorFlow چیست؟ What is TensorFlow

  • مزایای DAG Benefits of a DAG

  • سلسله مراتب API TensorFlow TensorFlow API Hierarchy

  • ارزیابی تنبل Lazy Evaluation

  • نمودار و جلسه Graph and Session

  • ارزیابی یک تانسور Evaluating a Tensor

  • تجسم یک نمودار Visualizing a graph

  • تانسورها Tensors

  • متغیرها Variables

  • مقدمه آزمایشگاه: نوشتن برنامه های سطح پایین TensorFlow Lab Intro:Writing low-level TensorFlow programs

  • آزمایشگاه: نوشتن برنامه های سطح پایین TensorFlow Lab: Writing low-level TensorFlow programs

  • راه حل آزمایشگاهی Lab Solution

  • مقدمه ای بر اشکال زدایی برنامه های TensorFlow Introduction to Debugging TensorFlow Programs

  • چالش: مشکلات شکل Challenge: Shape problems

  • رفع مشکلات شکل Fixing shape problems

  • مشکلات نوع داده Data type problems

  • اشکال زدایی کامل برنامه ها Debugging full programs

  • معرفی نسخه ی نمایشی: اشکال زدایی کامل برنامه ها Demo Intro:Debugging full programs

  • نسخه ی نمایشی: اشکال زدایی کامل برنامه ها Demo:Debugging full programs

تخمینگر API Estimator API

  • اسلایدهای ماژول 3 Module 3 Slides

  • معرفی Introduction

  • تخمینگر API Estimator API

  • برآوردگرهای از پیش ساخته شده Pre-made Estimators

  • نسخه ی نمایشی: مدل قیمت مسکن Demo:Housing Price Model

  • ایست بازرسی Checkpointing

  • آموزش مجموعه داده های درون حافظه Training on in-memory datasets

  • Lab Intro:Estimator API Lab Intro:Estimator API

  • آزمایشگاه: پیاده سازی یک مدل هوش مصنوعی در TensorFlow با استفاده از Astimator API Lab: Implementing a AI model in TensorFlow using Estimator API

  • راه حل آزمایشگاهی: تخمینگر API Lab Solution:Estimator API

  • با Dataset API روی مجموعه داده های بزرگ آموزش دهید Train on large datasets with Dataset API

  • مقدمه آزمایشگاه: افزایش میزان مصرف TensorFlow با استفاده از بچینگ Lab Intro:Scaling up TensorFlow ingest using batching

  • آزمایشگاه: افزایش میزان مصرف TensorFlow با استفاده از بچینگ Lab: Scaling up TensorFlow ingest using batching

  • راه حل آزمایشگاهی: افزایش میزان مصرف TensorFlow با استفاده از بچینگ Lab Solution:Scaling up TensorFlow ingest using batching

  • مشاغل بزرگ، آموزش توزیع شده Big jobs, Distributed training

  • مانیتورینگ با TensorBoard Monitoring with TensorBoard

  • نسخه ی نمایشی: رابط کاربری TensorBoard Demo:TensorBoard UI

  • عملکرد ورودی سرویس L15a Serving Input Function L15a

  • عملکرد ورودی سرویس L15b Serving Input Function L15b

  • مقدمه آزمایشگاه: ایجاد یک مدل آموزشی توزیع شده TensorFlow با تخمینگر API Lab Intro:Creating a distributed training TensorFlow model with Estimator API

  • آزمایشگاه: ایجاد یک مدل آموزشی توزیع شده TensorFlow با تخمینگر API Lab: Creating a distributed training TensorFlow model with Estimator API

  • راه حل آزمایشگاهی: ایجاد یک مدل آموزشی توزیع شده TensorFlow با تخمینگر API Lab Solution:Creating a distributed training TensorFlow model with Estimator API

  • خلاصه Summary

مقیاس‌بندی مدل‌های TensorFlow با پلتفرم Cloud AI Scaling TensorFlow models with Cloud AI Platform

  • ماژول 4 اسلاید Module 4 Slides

  • معرفی Introduction

  • چرا پلتفرم هوش مصنوعی ابری؟ Why Cloud AI Platform?

  • آموزش یک مدل Train a Model

  • نظارت بر مشاغل آموزشی Monitoring Training Jobs

  • معرفی آزمایشگاه: مقیاس بندی TensorFlow با پلتفرم Cloud AI Lab Intro:Scaling TensorFlow with Cloud AI Platform

  • آزمایشگاه: مقیاس بندی TensorFlow با پلتفرم Cloud AI Lab: Scaling TensorFlow with Cloud AI Platform

  • راه حل آزمایشگاهی: مقیاس بندی TensorFlow با پلتفرم Cloud AI Lab Solution:Scaling TensorFlow with Cloud AI Platform

خلاصه Summary

  • ماژول 5 اسلاید Module 5 Slides

  • خلاصه Summary

نمایش نظرات

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.

آموزش مقدمه ای بر TensorFlow
جزییات دوره
3h 0m
57
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
1
از 5
ندارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.