آموزش یادگیری عمیق با TensorFlow: بینش و نوآوری

دانلود Deep Learning with TensorFlow: Insights and Innovations

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

از آنجایی که چشم انداز هوش مصنوعی به طور مداوم در حال تکامل است، درک جنبه های اساسی و در حال ظهور یادگیری عمیق برای حرفه ای هایی که به دنبال پیشرفت در زمینه های مرتبط با فناوری هستند بسیار مهم می شود. این دوره با ارائه بینش های به روز در مورد چگونگی استفاده از قدرت برنامه های کاربردی TensorFlow به پر کردن این شکاف کمک می کند. جدیدترین ویژگی‌ها و بهترین شیوه‌های TensorFlow را با برنامه‌های کاربردی و نمونه‌های واقعی کشف کنید. در طول مسیر، مربی Isil Berkun شما را با مفاهیم مولد هوش مصنوعی آشنا می کند تا الهام بخش کاوش و یادگیری بیشتر باشد. در پایان این دوره، شما در پیاده سازی مدل های یادگیری عمیق با TensorFlow مهارت خواهید داشت.

این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با استفاده از GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از ابزاری استفاده کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، فصل "غواصی در فضاهای کد" را بررسی کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • به یادگیری عمیق با TensorFlow خوش آمدید Welcome to deep learning with TensorFlow

1. غواصی در فضای کد 1. Diving into Codespaces

  • راه اندازی TensorFlow با Codespace Setting up TensorFlow with Codespaces

  • فضاهای کد: فضای کاری آماده برای استفاده شما Codespaces: Your ready-to-use workspace

2. درک TensorFlow 2. Understanding TensorFlow

  • گردش کار یادگیری ماشین Machine learning workflow

  • ملزومات TensorFlow TensorFlow essentials

  • TensorFlow برای کاربران NumPy ساده شده است TensorFlow simplified for NumPy users

  • چالش: عادی سازی تانسورها Challenge: Normalizing tensors

  • راه حل: تجزیه و تحلیل آماری گام به گام Solution: Step-by-step statistical analysis

3. اولین مدل خود را بسازید 3. Building Your First Model

  • ذخیره و استفاده مجدد از مدل های آموزش دیده Save and reuse trained models

  • راه حل: بلوک های سازنده برای تسلط TensorFlow Solution: Building blocks to TensorFlow mastery

  • رمزگذارهای خودکار: مقدمه ای ملایم بر مدل های مولد Autoencoders: A gentle introduction to generative models

  • نظارت بر آموزش و اعتبار سنجی Monitor training and validation

  • چالش: اولین مدل تنسورفلو من Challenge: My first TensorFlow model

  • پیش پردازش و تغذیه داده ها به مدل شما Preprocessing and feeding data into your model

  • بیایید یک مدل TensorFlow ایجاد کنیم Let's create a TensorFlow model

  • معیارهای موفقیت Success metrics

4. تسلط بر TensorBoard 4. Mastering TensorBoard

  • تجسم موفقیت با TensorBoard Visualizing success with TensorBoard

  • بررسی عمیق معیارهای آموزشی Deep dives into training metrics

نتیجه گیری Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش یادگیری عمیق با TensorFlow: بینش و نوآوری
جزییات دوره
3h 6m
19
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
459
- از 5
ندارد
دارد
دارد
Isil Berkun
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Isil Berkun Isil Berkun

دانشمند داده در شرکت اینتل

ایسیل برکون یک دانشمند داده در شرکت اینتل است.

ایسیل اهل استانبول، ترکیه است و در حال حاضر در پورتلند، اورگان زندگی می کند. او در سال 2015 از دانشگاه ایالتی میشیگان (MSU) فارغ التحصیل شد و دکترای خود را در رشته مهندسی برق دریافت کرد. زمینه های تخصص او شامل الکترونیک نیمه هادی پیشرفته و یادگیری ماشین برای درک عمیق از ساخت و طراحی دستگاه است. Isil در شورای تحقیقات علمی و فناوری ترکیه (TÜBİTAK) و آزمایشگاه ملی آرگون (ANL) در ایلینوی کارآموزی کرد. او قبلاً به عنوان دستیار تحقیق و تدریس در دانشگاه ایالتی میشیگان (MSU) کار می کرد، جایی که یک سیستم مشخصه حمل و نقل نیمه هادی را طراحی و ساخت و نرم افزار اتوماسیون آزمایشی را برنامه ریزی کرد.