تنسورفلو - آموزش مقدماتی تا پیشرفته

در این دوره با فریمورک یادگیری ماشین انعطاف‌ پذیر، مقیاس پذیر و متن باز آشنا می شوید.

آنچه یاد خواهید گرفت

• مفاهیم اصلی تنسورفلو از راه‌ اندازی تا ساخت مدل که شما را قادر می‌ سازد تا پروژه‌ های یادگیری ماشین را با اطمینان ایجاد کنید.
• تکنیک‌ هایی برای ساخت CNNs و RNNs برای داده‌ تصویر، زبانی و دنباله که شما را برای مقابله با مشکلات مختلف یادگیری ماشین تجهیز می کند.
• مهارت‌ هایی برای استقرار مدل‌ های تنسورفلو در تولید، از جمله مقیاس‌ بندی با رایانش توزیع‌ شده و استقرار در موبایل
• تجربه عملی با اپلیکیشن های یادگیری ماشین واقعی، ساخت مدل هایی برای شناسایی تصویر، تحلیل احساسات و موارد دیگر

پیش نیازهای دوره

• دانش برنامه نویسی اولیه، ایده آل در پایتون
• درک مفاهیم اساسی ریاضی مانند جبر خطی و احتمال
• آشنایی با مبانی یادگیری ماشین مفید است اما نیاز نیست.
• رایانه ای با دسترسی به اینترنت برای نصب تنسورفلو و پروژه های کدنویسی

توضیحات دوره

این دوره یک سفر جامع را در تنسورفلو ارائه می دهد و یادگیرندگان را از مبانی تا اپلیکیشن های پیشرفته یادگیری ماشین و یادگیری عمیق با این فریمورک متن باز قدرتمند راهنمایی می کند. دانشجویان با آشنایی با یادگیری ماشین و قابلیت‌ های منحصربه‌ فرد تنسورفلو، دانش اساسی کسب خواهند کرد که زمینه را برای درک مفاهیم پیچیده‌ تر فراهم می‌ کند. این دوره با دستورالعمل های نصب و راه اندازی شروع می شود تا اطمینان حاصل شود که هر دانشجو به ابزارها و محیط لازم برای توسعه تنسورفلو مجهز است. ماژول‌ های اولیه، بلوک‌ های اساسی سازنده تنسورفلو، از جمله تانسورها، عملیات ها، نمودارهای محاسباتی و سشن ها را پوشش می‌ دهند. از طریق این مباحث، دانشجویان کامپوننت های اصلی تنسورفلو و نحوه استفاده موثر از آن ها برای پروژه های ساده و عملیات های داده را درک خواهند کرد.

با پیشرفت دوره، یادگیرندگان عمیق تر در شبکه های عصبی غوطه ور می شوند و نحوه ساخت، آموزش و بهینه سازی مدل های اولیه را بررسی می کنند. بخش میانی دوره کراس را معرفی می‌ کند، API کاربرپسند برای تنسورفلو که به دانشجویان اجازه می‌ دهد تا مدل‌ های پیچیده‌ تر را به طور شهودی تری طراحی کرده و آموزش دهند. مباحثی مانند شبکه‌ های عصبی کانولوشن (CNNs) و شبکه‌ های عصبی بازگشتی (RNNs)، تجربه عملی را با تایپ های داده‌ واقعی، مانند تصاویر و دنباله‌ ها، فراهم می‌ کنند. سپس دوره به مباحث پیشرفته تر می پردازد و مهارت های ضروری برای استقرار و مقیاس بندی مدل ها را پوشش می دهد. دانشجویان یاد می‌ گیرند که مدل‌ های تنسورفلو را ذخیره، بارگذاری و ارائه کنند که آن ها را قادر می‌ سازد تا دانش خود را در محیط‌ های تولید به کار ببرند. آن‌ ها همچنین تنسورفلوی توزیع‌ شده را برای مقیاس‌ بندی اپلیکیشن ها در چندین دستگاه و تنسورفلوی توسعه یافته (TFX) را برای ساخت پایپ لاین های یادگیری ماشین end-to-end بررسی خواهند کرد.

با پروژه‌ های عملی و اپلیکیشن های واقعی، دانشجویان این شانس را خواهند داشت که مدل‌ هایی را برای تسک هایی مانند طبقه‌ بندی تصویر، تحلیل احساسات و پیش‌ بینی سری‌ های زمانی بسازند و مهارت‌ های خود را از طریق تمرین عملی تقویت کنند. در پایان دوره، یادگیرندگان نه تنها به دانش فنی، بلکه به تجربه عملی مورد نیاز برای پیاده سازی، استقرار و مدیریت مدل های تنسورفلو در محیط های حرفه ای مجهز خواهند شد. این دوره برای کسی که به دنبال پیشرفت شغلی خود در علم داده، یادگیری ماشین یا هوش مصنوعی می باشد ایده‌ آل است که به آن ها تخصص لازم برای مقابله با چالش‌ های پیچیده در دنیای داده محور امروزی را ارائه می‌ دهد.

این دوره برای چه کسانی مناسب است؟

• دانشمندان مشتاق داده و مهندسان یادگیری ماشین که می خواهند دانش منسجمی در تنسورفلو برای پروژه های واقعی یادگیری ماشین کسب کنند.
• توسعه دهندگان و برنامه نویسان که به گسترش مهارت های خود به یادگیری ماشین و شبکه های عصبی علاقه مند هستند.
• دانشجویان و متخصصان علم داده، هوش مصنوعی یا رشته های مرتبط که به دنبال افزودن تنسورفلو به جعبه ابزار خود هستند.
• خودآموزانی که از پروژه‌ های عملی لذت می‌ برند و آماده بررسی عمیق اپلیکیشن های کاربردی و مقیاس‌ پذیر در یادگیری ماشین هستند.