لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش سفارشیسازی مدلها با TensorFlow 2
- آخرین آپدیت
دانلود Customising your models with TensorFlow 2
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
به دوره سفارشیسازی مدلها با TensorFlow 2 خوش آمدید!
در این دوره، شما دانش و مهارتهای خود را در TensorFlow تعمیق خواهید داد تا بتوانید مدلهای یادگیری عمیق و گردشکارهای کاملاً سفارشی برای هر کاربردی توسعه دهید. شما از APIهای سطح پایینتر در TensorFlow برای توسعه معماریهای پیچیده مدل، لایههای کاملاً سفارشی و یک جریان داده منعطف استفاده خواهید کرد. همچنین، دانش خود را در مورد APIهای TensorFlow گسترش داده و مدلهای توالی (Sequence Models) را فرا خواهید گرفت.
مفاهیمی که میآموزید را بلافاصله در آموزشهای عملی کدنویسی که توسط یک دستیار آموزشی فارغالتحصیل هدایت میشوند، به کار خواهید گرفت. علاوه بر این، مجموعهای از تکالیف برنامهنویسی با تصحیح خودکار برای تثبیت مهارتهای شما در نظر گرفته شده است.
در پایان دوره، بسیاری از مفاهیم را در یک پروژه نهایی (Capstone Project) ترکیب خواهید کرد و یک مدل ترجمه عصبی سفارشی را از ابتدا توسعه خواهید داد.
تنسورفلو (TensorFlow) یک کتابخانه متنباز یادگیری ماشین و یکی از پرکاربردترین فریمورکها برای یادگیری عمیق است. انتشار TensorFlow 2 نقطه عطفی در توسعه این محصول بود که تمرکز اصلی آن بر سهولت استفاده برای همه کاربران، از سطح مبتدی تا پیشرفته است.
این دوره مستقیماً در ادامه دوره «شروع کار با TensorFlow 2» قرار دارد. پیشنیازهای لازم برای موفقیت در این دوره شامل تسلط بر زبان برنامهنویسی پایتون (پایتون 3)، آشنایی با مفاهیم کلی یادگیری ماشین (مانند بیشبرازش/کمبرازش، وظایف یادگیری نظارتشده، اعتبارسنجی، منظمسازی و انتخاب مدل) و دانش کاربردی در زمینه یادگیری عمیق، از جمله معماریهای متداول مدل (MLP, CNN, RNN, ResNet) و مفاهیمی مانند یادگیری انتقالی (Transfer Learning)، افزایش دادهها (Data Augmentation) و جاسازی کلمات (Word Embeddings) است.
سرفصل ها و درس ها
API کاربردی کراس (Keras Functional API)
The Keras functional API
خوشآمدگویی به دوره سفارشیسازی مدلها با TensorFlow 2
Welcome to Customising your Models with TensorFlow 2
مصاحبه با لورنس مورونی
Interview with Laurence Moroney
API کاربردی کراس
The Keras functional API
ورودیها و خروجیهای متعدد
Multiple inputs and outputs
[آموزش کدنویسی] ورودیها و خروجیهای متعدد
[Coding tutorial] Multiple inputs and outputs
متغیرها
Variables
تنسورها
Tensors
[آموزش کدنویسی] متغیرها و تنسورها
[Coding tutorial] Variables and Tensors
دسترسی به متغیرهای لایه
Accessing layer Variables
دسترسی به تنسورهای لایه
Accessing layer Tensors
[آموزش کدنویسی] دسترسی به لایههای مدل
[Coding tutorial] Accessing model layers
منجمد کردن لایهها (Freezing layers)
Freezing layers
[آموزش کدنویسی] منجمد کردن لایهها
[Coding tutorial] Freezing layers
جمعبندی و معرفی تکلیف برنامهنویسی
Wrap up and introduction to the programming assignment
خط لوله داده (Data Pipeline)
Data Pipeline
خوشآمدگویی به هفته دوم: خط لوله داده
Welcome to week 2 - Data Pipeline
مجموعه دادههای کراس (Keras datasets)
Keras datasets
[آموزش کدنویسی] مجموعه دادههای کراس
[Coding tutorial] Keras datasets
ژنراتورهای مجموعه داده
Dataset generators
[آموزش کدنویسی] ژنراتورهای مجموعه داده
[Coding tutorial] Dataset generators
افزایش دادههای تصویری در کراس
Keras image data augmentation
[آموزش کدنویسی] افزایش دادههای تصویری در کراس
[Coding tutorial] Keras image data augmentation
کلاس Dataset
The Dataset class
[آموزش کدنویسی] کلاس Dataset
[Coding tutorial] The Dataset class
آموزش با استفاده از Datasetها
Training with Datasets
[آموزش کدنویسی] آموزش با استفاده از Datasetها
[Coding tutorial] Training with Datasets
جمعبندی و معرفی تکلیف برنامهنویسی
Wrap up and introduction to the programming assignment
نمایش نظرات