لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
یادگیری ماشین اندروید با TensorFlow lite در جاوا/کوتلین
Android Machine Learning with TensorFlow lite in Java/Kotlin
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
ساخت بیش از 10 برنامه اندرویدی مبتنی بر یادگیری ماشین | آموزش مدل های ام ال برای اندروید | استفاده از مدلهای ML در توسعه برنامه اندروید آموزش مدلهای یادگیری ماشین برای برنامههای اندروید استفاده از مدلهای Tensorflow Lite در داخل برنامههای اندروید با استفاده از جاوا و کاتلین استفاده از مدلهای آموزش ماشینی آموزشدیده در داخل برنامه اندروید با استفاده از مدلهای یادگیری ماشین Android Studio Train 10+ و ساخت برنامههای Android برای آنها مدل ها آموزش و استقرار مدل های طبقه بندی و رگرسیون در اندروید تولید مدل Tensorflow lite از مدل Keras، مدل ذخیره شده، عملکرد بتن آموزش مدل های تشخیص تصویر و ایجاد برنامه های اندروید برای آن مدل ها ساخت طبقه بندی سگ ها و گربه ها برنامه اندروید مشکل کاغذ سنگ و قیچی در اندروید گل ها Application Android Recognition نرم افزار اندروید برای تشخیص سنگ های قیمتی Fruits Recognition نرم افزار اندروید اپلیکیشن اندروید برای پیش بینی تناسب اندام یک فرد مشکل انسان و اسب در اندروید پیش نیازها:دانش بسیار کمی از توسعه اندروید
از دوره های سنتی توسعه برنامه اندروید خسته شده اید؟ اکنون زمان آن است که چیزهای جدید و پرطرفدار برای اندروید یاد بگیرید. یادگیری ماشینی در اوج خود است و توسعه برنامه Android نیز مورد تقاضا است، بنابراین چه چیزی بهتر از یادگیری هر دو است؟
این دوره برای توسعه دهندگان Android طراحی شده است که می خواهند یادگیری ماشینی را بیاموزند و مدل های یادگیری ماشین را در برنامه های Android خود با استفاده از TensorFlow Lite اجرا کنند. اگر دانش بسیار ابتدایی در زمینه توسعه اپلیکیشن اندروید دارید و می خواهید یادگیری ماشینی را در اپلیکیشن های اندروید یاد بگیرید، این دوره برای شما مناسب است. این دوره شما را در ساخت اولین مدل یادگیری عمیق و برنامه اندروید با استفاده از جاوا و Kotlin Tensorflow Lite و Android Studio شروع می کند. ما در مورد یادگیری ماشینی و یادگیری عمیق خواهیم آموخت و سپس اولین مدل شما را آموزش می دهیم و با استفاده از Android Studio آن را در یک برنامه اندروید اجرا می کنیم. تمامی مطالب این دوره رایگان است.
می توانید این دوره را با استفاده از جاوا و کاتلین دنبال کنید. سخنرانی های جداگانه برای هر دوی این زبان ها ارائه شده است.
برای شروع این دوره به دانش قبلی در مورد یادگیری ماشین نیاز ندارید. ما با یادگیری
شروع خواهیم کرد
زبان برنامه نویسی پایتون
کتابخانه های علوم داده
مبانی یادگیری ماشین و یادگیری عمیق
Tensorflow و Tensorflow Lite
سپس ما اولین مدل یادگیری ماشین خود را آموزش میدهیم و یک برنامه Android با استفاده از Android Studio توسعه میدهیم.
این دوره شامل نمونه هایی از مقدماتی تا پیشرفته است
یک مثال بسیار ساده برای یادگیری ماشین
پیشبینی بازده سوخت خودروها (مثال رگرسیون)
تشخیص ارقام دست نویس (مثال طبقه بندی)
طبقه بندی گربه ها و سگ ها
مشکل کاغذ سنگ و قیچی
مثال تشخیص گل
نمونه تشخیص سنگ
مثال تشخیص میوه
پیشبینی تناسب اندام یک فرد در تمرین فعالیت
فعالیت تمرین انسان و اسب
برای هر یک از این مثالها، ابتدا مدل یادگیری ماشینی را آموزش میدهیم و سپس یک برنامه Android میسازیم
ما با یادگیری اصول اولیه زبان برنامه نویسی پایتون شروع می کنیم. سپس با چند کتابخانه معروف یادگیری ماشین مانند Numpy، Matplotlib و Pandas آشنا خواهیم شد. پس از آن با یادگیری ماشینی و انواع آن آشنا می شویم. سپس به طور مفصل به یادگیری تحت نظارت نگاه می کنیم. ما سعی خواهیم کرد طبقه بندی و رگرسیون را از طریق مثال ها درک کنیم. پس از آن یادگیری عمیق را شروع خواهیم کرد. ما با بررسی و ساختار اساسی شبکه های عصبی شروع می کنیم. سپس از طریق یک مثال کار شبکه های عصبی را درک خواهیم کرد.
سپس با کتابخانه Tensorflow 2.0 و نحوه استفاده از آن برای آموزش مدلهای یادگیری ماشین آشنا خواهیم شد. پس از آن، به Tensorflow lite و چگونگی تبدیل مدلهای یادگیری ماشینی به فرمت tflite که در برنامههای Android استفاده میشود، نگاه خواهیم کرد. سه راه وجود دارد که از طریق آنها می توانید یک فایل tflite
دریافت کنید
از مدل Keras
از عملکرد بتن
از مدل ذخیره شده
ما در این دوره به تمام این سه روش خواهیم پرداخت.
از طریق یک مثال عملی با توابع Feed Forwarding، Back Propagation و activation آشنا خواهیم شد. ما همچنین به تابع هزینه، بهینه ساز، نرخ یادگیری، تطبیق بیش از حد، و حذف نگاه می کنیم. همچنین با تکنیکهای پیشپردازش دادهها مانند One hot encoding و Data normalization آشنا میشویم.
بعد، یک شبکه عصبی را با استفاده از کتابخانه جدید TensorFlow Google پیاده سازی می کنیم.
اگر یک برنامهنویس Android هستید و میخواهید اصول یادگیری ماشین (Deep Learning) را بیاموزید و مدلهای ML را در برنامههای Android خود با استفاده از Tensorflow lite و Android Studio استقرار دهید، باید این دوره را بگذرانید.
این دوره مثالهای عملی زیادی را در اختیار شما قرار میدهد تا بتوانید نحوه آموزش و استقرار مدلهای یادگیری ماشین در اندروید را بیاموزید. ما از Android Studio برای توسعه برنامه های Android برای مدل هایی که آموزش داده ایم استفاده خواهیم کرد.
بخش دیگری در پایان دوره به شما نشان میدهد که چگونه میتوانید از مجموعه دادههای موجود در قالبهای مختلف برای چندین هدف عملی استفاده کنید.
بعد از خیس شدن پاهایتان با اصول اولیه، من یک نمای کلی از اینکه چگونه می توانید مدل یادگیری ماشینی خود را در قالب های پروژه های یادگیری ماشینی Android موجود Google اضافه کنید، ارائه می دهم.
این دوره برای چه کسانی است:
توسعه دهندگان مبتدی Android می خواهند برنامه های Android خود را هوشمند کنند
برنامهنویسان Android میخواهند از یادگیری ماشینی در برنامههای Android خود استفاده کنند
توسعه دهندگان علاقه مند به اجرای عملی یادگیری ماشین و بینایی کامپیوتر
دانش آموزان علاقه مند به یادگیری ماشینی - تمام نکات مورد نیاز برای افزودن مدل های یادگیری ماشینی در Android با استفاده از Android Studio را دریافت خواهید کرد
حرفهایانی که میخواهند از مدلهای یادگیری ماشینی در برنامههای Android استفاده کنند.
متخصصان یادگیری ماشین میخواهند مدلهای خود را با استفاده از Android Studio و Tensorflow Lite در Android مستقر کنند
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه و نمای کلی دوره
Introduction and course Overview
یادگیری ماشینی و یادگیری عمیق
Machine Learning & Deep Learning
من مدرک علوم کامپیوتر دارم و علاقه زیادی به توسعه اندروید دارم.
تقویت برنامه Android با ML واقعاً من را مجذوب خود می کند. بنابراین من توسعه اندروید و سپس یادگیری ماشین را یاد گرفتم. من برنامه های اندرویدی را برای چندین سازمان چند ملیتی توسعه دادم. اکنون می خواهم دانشی را که دارم گسترش دهم. من همیشه به این فکر میکنم که چگونه مفاهیم دشوار را به راحتی درک کنم، چه نوع پروژههایی میتوانند یک آموزش سرگرمکننده باشند، و چگونه میتوانم به شما در موفقیت در دورههایم کمک کنم.
نمایش نظرات