آموزش مقدمه ای بر TensorFlow

Introduction to TensorFlow

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره با استفاده از انعطاف پذیری و "سهولت استفاده" TensorFlow 2.x و Keras برای ساخت ، آموزش و استقرار مدل های یادگیری ماشین متمرکز شده است. شما با سلسله مراتب API TensorFlow 2.x آشنا خواهید شد و با اجزای اصلی ... این دوره بر استفاده از انعطاف پذیری و "سهولت استفاده" TensorFlow 2.x و Keras برای ساخت ، آموزش و استفاده از مدل های یادگیری ماشین. شما با سلسله مراتب API TensorFlow 2.x آشنا خواهید شد و با تمرینات عملی اجزای اصلی TensorFlow را خواهید شناخت. ما شما را با کار با مجموعه داده ها و ستون های ویژگی آشنا خواهیم کرد. شما نحوه طراحی و ساخت خط لوله داده ورودی TensorFlow 2.x را یاد خواهید گرفت. با استفاده از tf.Data.Dataset می توانید داده های CSV ، آرایه های numPy ، داده های متنی و تصاویر را بارگیری کنید. همچنین می توانید ستون های ویژگی عددی ، طبقه ای ، حبابی و هش دار را تمرین کنید. ما شما را با API Keras Sequential و Keras Functional API آشنا خواهیم کرد تا نحوه ایجاد مدل های یادگیری عمیق را به شما نشان دهیم. ما در مورد توابع فعال سازی ، از دست دادن و بهینه سازی صحبت خواهیم کرد. آزمایشگاه های عملی نوت بوک های Jupyter به شما این امکان را می دهد تا مدل های اصلی رگرسیون خطی ، رگرسیون لجستیک اساسی و مدل های پیشرفته یادگیری ماشین رگرسیون لجستیک را بسازید. شما می آموزید که چگونه با Cloud AI Platform مدلهای یادگیری ماشین را در مقیاس آموزش ، استقرار و تولید تولید کنید.

سرفصل ها و درس ها

مقدمه ای برای دوره Introduction to course

  • مقدمه ای برای دوره Intro to Course

مقدمه ای بر TensorFlow Introduction to TensorFlow

  • مقدمه ای بر Tensorflow Introduction to Tensorflow

  • سلسله مراتب API TensorFlow TensorFlow API Hierarchy

  • اجزای TensorFlow: تنتورها و متغیرها Components of TensorFlow: Tensors and Variables

  • مقدمه آزمایشگاه مقدمه بر تنتورها و متغیرها Lab Intro Introduction to Tensors and Variables

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • آزمایشگاه: معرفی تنسورها و متغیرها Lab: Introduction to Tensors and Variables

  • برنامه Intro Writing برنامه های سطح پایین TensorFlow Lab Intro Writing low-level TensorFlow programs

  • آزمایشگاه: نوشتن کد سطح پایین TensorFlow Lab: Writing Low-Level TensorFlow Code

  • مقدمه ای بر TensorFlow: قرائت ها Introduction to TensorFlow: Readings

خط لوله داده ورودی TensorFlow را طراحی و بسازید Design and Build a TensorFlow Input Data Pipeline

  • بررسی اجمالی Overview

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

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

  • Lab Intro Load CSV و Numpy Data Lab Intro Load CSV and Numpy Data

  • آزمایشگاه: داده های CSV ، Numpy و Text را در TensorFlow بارگیری کنید Lab: Load CSV, Numpy, and Text data in TensorFlow

  • معرفی آزمایشگاه در حال بارگیری داده های تصویر Lab Intro Loading Image Data

  • آزمایشگاه: بارگیری تصاویر با استفاده از tf.Data.Dataset Lab: Loading images Using tf.Data.Dataset

  • آزمایشگاه ستون ویژگی Lab Intro Feature Columns

  • آزمایشگاه: مقدمه ای بر ستون های ویژگی Lab: Introduction to Feature Columns

  • آزمایشگاه اختیاری Intro TFRecord و tf. به عنوان مثال Optional Lab Intro TFRecord and tf.Example

  • آزمایشگاه: TFRecord و tf. به عنوان مثال Lab: TFRecord and tf.Example

  • آموزش مجموعه داده های بزرگ با tf.data API Training on Large Datasets with tf.data API

  • آزمایش Intro دستکاری داده ها با Tensorflow Dataset API Lab Intro Manipulating data with Tensorflow Dataset API

  • آزمایشگاه: TensorFlow Dataset API Lab: TensorFlow Dataset API

  • تجزیه و تحلیل ویژگی معرفی آزمایشگاه اختیاری با استفاده از اعتبار سنجی داده TensorFlow و وجوه Optional Lab Intro Feature Analysis Using TensorFlow Data Validation and Facets

  • آزمایشگاه: تجزیه و تحلیل ویژگی با استفاده از اعتبار سنجی داده TensorFlow و وجوه Lab: Feature Analysis Using TensorFlow Data Validation and Facets

  • خط لوله داده ورودی TensorFlow را طراحی و بسازید: قرائت ها Design and Build a TensorFlow Input Data Pipeline: Readings

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

  • بررسی اجمالی Overview

  • توابع فعال سازی Activation functions

  • توابع فعال سازی: گرفتاری هایی که باید در Backpropagation جلوگیری شود Activation functions: Pitfalls to avoid in Backpropagation

  • شبکه های عصبی با API متوالی Keras Neural Networks with Keras Sequential API

  • معرفی آزمایشگاه Keras Sequential API Lab intro Keras Sequential API

  • آزمایشگاه: معرفی API متوالی Keras Lab: Introducing the Keras Sequential API

  • رگرسیون لجستیک آزمایشگاهی Lab Intro Logistic Regression

  • آزمایشگاه: [ML on GCP C3] مقدمه ای اساسی برای رگرسیون لجستیک Lab: [ML on GCP C3] Basic Introduction to Logistic Regression

  • Lab Intro Optional Lab Advanced Registic Regression in TensorFlow 2.0 Lab Intro Optional Lab Advanced Logistic Regression in TensorFlow 2.0

  • آزمایشگاه: رگرسیون لجستیک پیشرفته در TensorFlow Lab: Advanced Logistic Regression in TensorFlow

  • آموزش شبکه های عصبی با Tensorflow 2 و Keras Sequential API: قرائت Training neural networks with Tensorflow 2 and the Keras Sequential API: Readings

آموزش شبکه های عصبی با Tensorflow 2 و Keras Functional API Training neural networks with Tensorflow 2 and Keras Functional API

  • شبکه های عصبی با API عملکردی Keras Neural Networks with Keras Functional API

  • قاعده مند شدن: مبانی Regularization: The Basics

  • تنظیم: L1 ، L2 و توقف زودرس Regularization: L1, L2, and Early Stopping

  • منظم سازی: ترک تحصیل Regularization: Dropout

  • ارائه مدل ها در Cloud Serving models in the Cloud

  • معرفی آزمایشگاه Keras Functional API Lab intro Keras Functional API

  • آزمایشگاه: معرفی Keras Functional API Lab: Introducing the Keras Functional API

  • آموزش شبکه های عصبی با Tensorflow 2 و Keras Functional API: قرائت Training neural networks with Tensorflow 2 and Keras Functional API: Readings

خلاصه Summary

  • خلاصه دوره Course Summary

  • سوالات مسابقه به همه دروس Quiz Questions to ALL Lessons

منبع دوره Course Resource

  • اسلایدهای دوره برای آشنایی با TensorFlow Course Slides for Introduction to TensorFlow

نمایش نظرات

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.

آموزش مقدمه ای بر TensorFlow
جزییات دوره
1h 59m
49
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.