آموزش Bootcamp Tensorflow 2 و Keras Deep Learning را کامل کنید

سرفصل ها و درس ها

نمای کلی دوره، نصب و راه اندازی Course Overview, Installs, and Setup

• پیام خوش آمد گویی خودکار Auto-Welcome Message

• بررسی اجمالی دوره Course Overview

• راه اندازی و نصب دوره Course Setup and Installation

• سوالات متداول - سوالات متداول FAQ - Frequently Asked Questions

تأیید نمای کلی دوره COURSE OVERVIEW CONFIRMATION

• لطفاً سخنرانی نمای کلی دوره را تماشا کنید PLEASE WATCH COURSE OVERVIEW LECTURE

دوره Crash NumPy NumPy Crash Course

• مقدمه ای بر NumPy Introduction to NumPy

• آرایه های NumPy NumPy Arrays

• انتخاب شاخص Numpy Numpy Index Selection

• عملیات NumPy NumPy Operations

• تمرینات NumPy NumPy Exercises

• تمرینات بیهوده - راه حل Numpy Exercises - Solutions

دوره سقوط پانداها Pandas Crash Course

• آشنایی با پانداها Introduction to Pandas

• سری پانداها Pandas Series

• Pandas DataFrames - قسمت اول Pandas DataFrames - Part One

• Pandas DataFrames - قسمت دوم Pandas DataFrames - Part Two

• داده های گم شده پانداها Pandas Missing Data

• عملیات GroupBy GroupBy Operations

• عملیات پانداها Pandas Operations

• ورودی و خروجی داده Data Input and Output

• تمرینات پانداها Pandas Exercises

• تمرین پانداها - راه حل Pandas Exercises - Solutions

دوره تصادف تجسم Visualization Crash Course

• مقدمه ای بر تجسم پایتون Introduction to Python Visualization

• مبانی Matplotlib Matplotlib Basics

• مبانی Seaborn Seaborn Basics

• تمرین های تجسم داده ها Data Visualization Exercises

• تمرین های تجسم داده ها - راه حل ها Data Visualization Exercises - Solutions

مروری بر مفاهیم یادگیری ماشین Machine Learning Concepts Overview

• یادگیری ماشینی چیست؟ What is Machine Learning?

• بررسی اجمالی یادگیری تحت نظارت Supervised Learning Overview

• بیش از حد برازش Overfitting

• ارزیابی عملکرد - معیارهای خطای طبقه بندی Evaluating Performance - Classification Error Metrics

• ارزیابی عملکرد - معیارهای خطای رگرسیون Evaluating Performance - Regression Error Metrics

• یادگیری بدون نظارت Unsupervised Learning

شبکه های عصبی مصنوعی پایه - شبکه های عصبی مصنوعی Basic Artificial Neural Networks - ANNs

• مقدمه ای بر بخش ANN Introduction to ANN Section

• مدل پرسپترون Perceptron Model

• شبکه های عصبی Neural Networks

• توابع فعال سازی Activation Functions

• ملاحظات طبقه بندی چند طبقه Multi-Class Classification Considerations

• توابع هزینه و نزول گرادیان Cost Functions and Gradient Descent

• پس انتشار Backpropagation

• TensorFlow در مقابل Keras توضیح داده شد TensorFlow vs. Keras Explained

• مبانی نحوی Keras - قسمت اول - آماده سازی داده ها Keras Syntax Basics - Part One - Preparing the Data

• اصول نحو کراس - قسمت دوم - ایجاد و آموزش مدل Keras Syntax Basics - Part Two - Creating and Training the Model

• مبانی نحو کراس - قسمت سوم - ارزیابی مدل Keras Syntax Basics - Part Three - Model Evaluation

• کد رگرسیون کراس در امتداد - تجزیه و تحلیل داده های اکتشافی Keras Regression Code Along - Exploratory Data Analysis

• کد رگرسیون کراس در امتداد - تحلیل داده های اکتشافی - ادامه دارد Keras Regression Code Along - Exploratory Data Analysis - Continued

• کد رگرسیون Keras همراه - پیش پردازش داده و ایجاد یک مدل Keras Regression Code Along - Data Preprocessing and Creating a Model

• کد رگرسیون کراس همراه - ارزیابی و پیش بینی مدل Keras Regression Code Along - Model Evaluation and Predictions

• کد طبقه بندی Keras در امتداد - EDA و پیش پردازش Keras Classification Code Along - EDA and Preprocessing

• طبقه بندی Keras - مقابله با بیش از حد برازش و ارزیابی Keras Classification - Dealing with Overfitting and Evaluation

• بررسی اجمالی گزینه‌های پروژه TensorFlow 2.0 Keras TensorFlow 2.0 Keras Project Options Overview

• نمای کلی نوت بوک پروژه TensorFlow 2.0 Keras TensorFlow 2.0 Keras Project Notebook Overview

• راهکارهای پروژه کراس - تجزیه و تحلیل داده های اکتشافی Keras Project Solutions - Exploratory Data Analysis

• راه حل های پروژه Keras - مقابله با داده های از دست رفته Keras Project Solutions - Dealing with Missing Data

• راه حل های پروژه کراس - مقابله با داده های از دست رفته - قسمت دوم Keras Project Solutions - Dealing with Missing Data - Part Two

• راهکارهای پروژه کراس - داده های دسته بندی Keras Project Solutions - Categorical Data

• راه حل های پروژه Keras - پیش پردازش داده ها Keras Project Solutions - Data PreProcessing

• راهکارهای پروژه کراس - ایجاد و آموزش یک مدل Keras Project Solutions - Creating and Training a Model

• راهکارهای پروژه کراس - ارزیابی مدل Keras Project Solutions - Model Evaluation

• تانسوربرد Tensorboard

شبکه های عصبی کانولوشنال - CNN Convolutional Neural Networks - CNNs

• بررسی اجمالی بخش CNN CNN Section Overview

• فیلترها و هسته های تصویر Image Filters and Kernels

• لایه های کانولوشنال Convolutional Layers

• لایه های ترکیبی Pooling Layers

• نمای کلی مجموعه داده های MNIST MNIST Data Set Overview

• CNN در MNIST - بخش اول - داده ها CNN on MNIST - Part One - The Data

• CNN در MNIST - قسمت دوم - ایجاد و آموزش مدل CNN on MNIST - Part Two - Creating and Training the Model

• CNN در MNIST - بخش سوم - ارزیابی مدل CNN on MNIST - Part Three - Model Evaluation

• CNN در CIFAR-10 - قسمت اول - داده ها CNN on CIFAR-10 - Part One - The Data

• CNN در CIFAR-10 - قسمت دوم - ارزیابی مدل CNN on CIFAR-10 - Part Two - Evaluating the Model

• دانلود مجموعه داده برای سخنرانی های تصویر واقعی Downloading Data Set for Real Image Lectures

• CNN در مورد فایل های تصویر واقعی - قسمت اول - خواندن در داده ها CNN on Real Image Files - Part One - Reading in the Data

• CNN در مورد فایل های تصویر واقعی - قسمت دوم - پردازش داده ها CNN on Real Image Files - Part Two - Data Processing

• CNN در مورد فایل های تصویر واقعی - قسمت سوم - ایجاد مدل CNN on Real Image Files - Part Three - Creating the Model

• CNN در مورد فایل های تصویر واقعی - قسمت چهارم - ارزیابی مدل CNN on Real Image Files - Part Four - Evaluating the Model

• بررسی اجمالی تمرین CNN CNN Exercise Overview

• راه حل های تمرین CNN CNN Exercise Solutions

شبکه های عصبی مکرر - RNN Recurrent Neural Networks - RNNs

• نمای کلی بخش RNN RNN Section Overview

• نظریه پایه RNN RNN Basic Theory

• ناپدید شدن گرادیان ها Vanishing Gradients

• LSTMS و GRU LSTMS and GRU

• دسته های RNN RNN Batches

• RNN در یک موج سینوسی - داده ها RNN on a Sine Wave - The Data

• RNN در یک موج سینوسی - ژنراتور دسته ای RNN on a Sine Wave - Batch Generator

• RNN در یک موج سینوسی - ایجاد مدل RNN on a Sine Wave - Creating the Model

• RNN در یک موج سینوسی - LSTMs و پیش بینی RNN on a Sine Wave - LSTMs and Forecasting

• RNN در یک سری زمانی - قسمت اول RNN on a Time Series - Part One

• RNN در یک سری زمانی - قسمت دوم RNN on a Time Series - Part Two

• تمرین RNN RNN Exercise

• تمرین RNN - راه حل RNN Exercise - Solutions

• پاداش - سری زمانی چند متغیره - RNN و LSTMs Bonus - Multivariate Time Series - RNN and LSTMs

پردازش زبان طبیعی Natural Language Processing

• مقدمه ای بر بخش NLP Introduction to NLP Section

• NLP - قسمت اول - داده ها NLP - Part One - The Data

• NLP - قسمت دوم - پردازش متن NLP - Part Two - Text Processing

• NLP - قسمت سوم - ایجاد دسته NLP - Part Three - Creating Batches

• NLP - قسمت چهارم - ایجاد مدل NLP - Part Four - Creating the Model

• NLP - قسمت پنجم - آموزش مدل NLP - Part Five - Training the Model

• NLP - قسمت ششم - تولید متن NLP - Part Six - Generating Text

رمزگذارهای خودکار AutoEncoders

• مقدمه ای بر رمزگذارهای خودکار Introduction to Autoencoders

• مبانی رمزگذار خودکار Autoencoder Basics

• رمزگذار خودکار برای کاهش ابعاد Autoencoder for Dimensionality Reduction

• رمزگذار خودکار برای تصاویر - قسمت اول Autoencoder for Images - Part One

• رمزگذار خودکار برای تصاویر - قسمت دوم - حذف نویز Autoencoder for Images - Part Two - Noise Removal

• بررسی اجمالی تمرین رمزگذار خودکار Autoencoder Exercise Overview

• Autoencoder Exercise - راه حل Autoencoder Exercise - Solutions

شبکه های متخاصم مولد Generative Adversarial Networks

• نمای کلی GANs GANs Overview

• ایجاد یک GAN - قسمت اول - داده ها Creating a GAN - Part One- The Data

• ایجاد یک GAN - قسمت دوم - مدل Creating a GAN - Part Two - The Model

• ایجاد GAN - قسمت سوم - آموزش مدل Creating a GAN - Part Three - Model Training

• DCGAN - شبکه های متخاصم مولد عمیق DCGAN - Deep Convolutional Generative Adversarial Networks

گسترش Deployment

• مقدمه ای بر استقرار Introduction to Deployment

• ایجاد مدل Creating the Model

• تابع پیش بینی مدل Model Prediction Function

• اجرای یک برنامه Basic Flask Running a Basic Flask Application

• Flask Postman API Flask Postman API

• Flask API - استفاده از درخواست ها به صورت برنامه ریزی شده Flask API - Using Requests Programmatically

• فلاسک جلویی Flask Front End

• استقرار زنده در وب Live Deployment to the Web