لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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
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.
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.
نمایش نظرات