آموزش Python & TensorFlow: فرو رفتن عمیق در یادگیری ماشین

Python & TensorFlow: Deep Dive into Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Python & TensorFlow: نقشه راه به سمت تخصص یادگیری ماشین عمیق درک اصول یادگیری ماشین، یادگیری عمیق و کاربردهای آن. TensorFlow را راه‌اندازی و پیمایش کنید، معماری آن را درک کنید و الگوریتم‌های یادگیری تحت نظارت API مانند رگرسیون خطی، SVM و درخت‌های تصمیم را درک کنید. تکنیک‌های بدون نظارت از جمله خوشه‌بندی و PCA درک و ساخت شبکه‌های عصبی، از جمله CNN و RNN، با استفاده از TensorFlow ارزیابی و بهینه‌سازی مدل‌های ML، پرداختن به بیش‌برازش و تسلط بر تنظیمات فراپارامتر، استقرار مدل‌های TensorFlow در محیط‌های تولیدی استفاده از مهارت‌ها در پروژه طبقه‌بندی تصویر عملی انتقال از Pyth مبانی برنامه های پیشرفته ML و TensorFlow پیش نیازها: دانش پایه پایتون: آشنایی با نحو پایتون و سازه های برنامه نویسی پایه مهارت های ریاضی پایه: درک جبر و درک اولیه حساب و آمار و محاسبات می تواند مفید باشد، به ویژه برای درک کامپیوتر با الگوریتم های اینترنتی. دسترسی: برای دانلود نرم افزار مورد نیاز، دسترسی به مطالب دوره، و اجرای Python و TensorFlow Enthusiasm for Machine Learning: علاقه شدید به کاوش در پیچیدگی های ML و DL Python Environment Setup: داشتن محیطی مانند Jupyter Notebook یا هر IDE مناسب برای Python ( به عنوان مثال، PyCharm) می تواند مفید باشد. با توجه به ماهیت عملی پروژه های ML و TensorFlow، آماده بودن برای امتحان کردن چیزها و یادگیری از اشتباهات بسیار مهم است.

به دوره کامل Python TensorFlow for Machine Learning خوش آمدید. این برنامه فشرده هم برای مبتدیانی که مشتاق غواصی در دنیای علم داده هستند و هم برای متخصصان باتجربه ای که به دنبال تعمیق درک خود از یادگیری ماشینی، یادگیری عمیق و قابلیت های TensorFlow هستند، طراحی شده است.

با شروع با پایتون - سنگ بنای توسعه هوش مصنوعی مدرن - شما را از طریق ویژگی‌ها و کتابخانه‌های ضروری آن راهنمایی می‌کنیم که دستکاری و تجزیه و تحلیل داده‌ها را آسان می‌کند. همانطور که ما به یادگیری ماشین می پردازیم، الگوریتم ها و تکنیک های اساسی را یاد می گیرید، که به طور یکپارچه از یادگیری تحت نظارت به یادگیری بدون نظارت حرکت می کند و راه را برای جادوی یادگیری عمیق هموار می کند.

با TensorFlow، یکی از پویاترین و پرکاربردترین چارچوب‌های یادگیری عمیق، نحوه ایجاد معماری شبکه‌های عصبی پیچیده، بهینه‌سازی مدل‌ها و استقرار راه‌حل‌های مبتنی بر هوش مصنوعی را کشف خواهیم کرد. ما فقط نمی خواهیم شما یاد بگیرید - هدف ما این است که شما تسلط پیدا کنید. در پایان دوره، نه تنها تئوری ها را درک خواهید کرد، بلکه تجربه عملی نیز کسب خواهید کرد و اطمینان حاصل می کند که برای صنعت آماده هستید.

چه بخواهید در تحقیقات هوش مصنوعی نوآوری کنید یا راه‌حل‌هایی را در محیط‌های تجاری پیاده‌سازی کنید، این دوره جامع نوید درک عمیق را می‌دهد و شما را با ابزارها و دانش برای مهار قدرت پایتون، یادگیری ماشین، و TensorFlow مجهز می‌کند.

ما در مورد این سفر هیجان زده هستیم و امیدواریم شما را در داخل ببینیم!



سرفصل ها و درس ها

مقدمه ای بر یادگیری ماشین و عمیق Introduction to Machine & Deep Learning

  • یادگیری ماشینی چیست؟ What is Machine Learning?

  • انواع یادگیری ماشینی Types of Machine Learning

  • کاربردهای یادگیری ماشینی Applications of Machine Learning

  • یادگیری عمیق چیست؟ What is Deep Learning?

مبانی TensorFlow و نصب Basics of TensorFlow & Installation

  • TensorFlow چیست؟ What is TensorFlow?

  • نصب و راه اندازی TensorFlow Installing and Setting up TensorFlow

  • معماری TensorFlow TensorFlow Architecture

  • یک تجدید کننده در API ها A refresher on APIs

  • TensorFlow APls TensorFlow APls

یادگیری ماشین قسمت 1: یادگیری تحت نظارت Machine Learning Part 1 : Supervised Learning

  • یادگیری تحت نظارت چیست؟ What is Supervised Learning?

  • رگرسیون خطی Linear Regression

  • رگرسیون لجستیک Logistic Regression

  • درختان تصمیم Decision Trees

  • جنگل های تصادفی Random Forests

  • ماشین‌های بردار پشتیبانی (SVM) Support Vector Machines (SVMs)

یادگیری ماشین قسمت 2: یادگیری بدون نظارت Machine Learning Part 2 : Unsupervised Learning

  • یادگیری بدون نظارت چیست؟ What is Unsupervised Learning?

  • K-Means Clustering K-Means Clustering

  • خوشه بندی سلسله مراتبی Hierarchical Clustering

  • تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

مبانی یادگیری عمیق با تنسورفلو: شبکه های عصبی Deep Learning Basics with Tensorflow : Neural Networks

  • شبکه های عصبی چیست؟ What are Neural Networks?

  • شبکه های عصبی پایه Basic Neural Networks

  • شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNNs)

  • شبکه های عصبی مکرر (RNN) Recurrent Neural Networks (RNNs)

  • ساخت شبکه های عصبی عمیق Building Deep Neural Networks

ارزیابی و بهینه سازی مدل Model Evaluation & Optimization

  • داده های آموزشی و آزمایشی Training and Testing Data

  • معیارهای ارزیابی مدل Model Evaluation Metrics

  • Overfitting و Underfitting Overfitting and Underfitting

  • تنظیم فراپارامتر Hyperparameter Tuning

TensorFlow برای تولید TensorFlow for Production

  • ذخیره و بازیابی مدل ها Saving and restoring models

  • استقرار مدل های TensorFlow Deploying TensorFlow models

  • TensorFlow توزیع شده Distributed TensorFlow

  • TensorBoard برای تجسم و اشکال زدایی TensorBoard for visualization and debugging

پروژه: طبقه بندی تصاویر Project: Image Classification

  • پروژه ML: مدل طبقه بندی تصویر ML Project : Image classification Model

نتیجه Conclusion

  • نتیجه Conclusion

نمایش نظرات

آموزش Python & TensorFlow: فرو رفتن عمیق در یادگیری ماشین
جزییات دوره
3 hours
34
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,005
4.5 از 5
ندارد
دارد
دارد
Meta Brains
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Meta Brains Meta Brains

بیایید با هم ابر جهان را کدنویسی و بسازیم! Meta Brains یک برند آموزشی حرفه ای است که توسط تیمی از توسعه دهندگان نرم افزار و متخصصان امور مالی که به امور مالی، کدنویسی و اکسل علاقه دارند، توسعه یافته است. ما تجارب حرفه‌ای و آموزشی را برای ایجاد برنامه‌های آموزشی در سطح جهانی که برای همه قابل دسترسی است، گرد هم می‌آوریم. در حال حاضر، ما بر انقلاب بزرگ بعدی در محاسبات متمرکز هستیم: متاورس. هدف نهایی ما این است که نسل بعدی استعدادها را آموزش دهیم تا بتوانیم با هم متاورز را کدنویسی و بسازیم!