آموزش TensorFlow در Google Cloud

مقدمه دوره Introduction to the Course

• معرفی Introduction

مقدمه ای بر اکوسیستم تنسورفلو Introduction to the TensorFlow ecosystem

• سلسله مراتب API TensorFlow TensorFlow API hierarchy

• منابع: مقدمه ای بر اکوسیستم تنسورفلو Resources: Introduction to the TensorFlow Ecosystem

• مقدمه ای بر تنسورفلو Introduction to Tensorflow

• اجزای Tensorflow: تانسورها و متغیرها Components of Tensorflow: Tensors and variables

• مقدمه ای بر اکوسیستم تنسورفلو Introduction to the TensorFlow ecosystem

طراحی و ساخت یک خط لوله داده ورودی Design and Build an Input Data Pipeline

• معرفی Introduction

• منابع: طراحی و ساخت یک خط لوله داده ورودی TensorFlow Resources: Design and Build a TensorFlow Input Data Pipeline

• آزمایشگاه: TensorFlow Dataset API Lab: TensorFlow Dataset API

• مقدمه آزمایشگاه: طبقه بندی داده های ساخت یافته با استفاده از لایه های پیش پردازش Keras Lab intro: Classifying structured data using Keras preprocessing layers

• جاسازی ها Embeddings

• مقدمه آزمایشگاه: TensorFlow Dataset API Lab intro: TensorFlow Dataset API

• مقیاس بندی پردازش داده ها با لایه های پیش پردازش tf.data و Keras Scaling data processing with tf.data and Keras preprocessing layers

• کار در حافظه و با فایل ها Working in-memory and with files

• آزمایشگاه: طبقه بندی داده های ساخت یافته با استفاده از لایه های پیش پردازش Keras Lab: Classifying Structured Data using Keras Preprocessing Layers

• آموزش مجموعه داده های بزرگ با tf.data API Training on large datasets with tf.data API

• آماده سازی داده ها برای آموزش مدل Getting the data ready for model training

• Pluralsight: شروع به کار با GCP و Qwiklabs Pluralsight: Getting Started with GCP and Qwiklabs

• خلاصه ML An ML recap

ساخت شبکه های عصبی با TensorFlow و Keras API Building Neural Networks with the TensorFlow and Keras API

• آموزش شبکه های عصبی با TensorFlow 2 و Keras Functional API Training neural networks with TensorFlow 2 and the Keras Functional API

• آزمایشگاه: با استفاده از Keras Functional API یک DNN بسازید Lab: Build a DNN using the Keras Functional API

• زیر طبقه بندی مدل Model subclassing

• مقدمه آزمایشگاه: معرفی Keras Sequential API در پلتفرم Vertex AI Lab intro: Introducing the Keras Sequential API on Vertex AI Platform

• آزمایشگاه: (اختیاری) ساخت لایه ها و مدل های جدید از طریق Subclassing Lab: (Optional) Making New Layers and Models via Subclassing

• آزمایشگاه: معرفی Keras Sequential API در پلتفرم Vertex AI Lab: Introducing the Keras Sequential API on Vertex AI Platform

• چگونه می توانیم پیچیدگی مدل را اندازه گیری کنیم: L1 در مقابل L2 Regularization How can we meaure model complexity: L1 vs. L2 Regularization

• (اختیاری) معرفی آزمایشگاه: ساخت لایه‌ها و مدل‌های جدید از طریق طبقه‌بندی فرعی (Optional) Lab intro: Making new layers and models via subclassing

• مقدمه آزمایشگاه: با استفاده از Keras Functional API در پلتفرم Vertex AI یک DNN بسازید Lab intro: Build a DNN using the Keras Functional API on Vertex AI Platform

• توابع فعال سازی Activation functions

• منابع: ساخت شبکه های عصبی در TensorFlow با Keras API Resources: Building Neural Networks in TensorFlow with Keras API

• اصول منظم سازی Regularization basics

• ارائه مدل ها در فضای ابری Serving models in the cloud

• آموزش شبکه های عصبی با TensorFlow 2 و Keras Sequential API Training neural networks with TensorFlow 2 and the Keras Sequential API

• معرفی Introduction

آموزش در مقیاس با Vertex AI Training at Scale with Vertex AI

• آموزش در مقیاس با Vertex AI Training at scale with Vertex AI

• معرفی Introduction

• آزمایشگاه: آموزش در مقیاس با خدمات آموزشی Vertex AI Lab: Training at Scale with Vertex AI Training Service

• منابع: آموزش در مقیاس با Vertex AI Resources: Training at Scale with Vertex AI

• مقدمه آزمایشگاه: آموزش در مقیاس با سرویس آموزشی Vertex AI Lab intro: Training at scale with the Vertex AI Training Service

خلاصه Summary

• منبع: همه مطالب خوانده شده Resource: All readings

• خلاصه Summary

• منبع: همه اسلایدها Resource: All slides

• منبع: تمام سوالات مسابقه Resource: All quiz questions