Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
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
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
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.
نمایش نظرات