دوره تنسورفلو - از شبکه عصبی پایه تا پیشرفته و فراتر
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مقدمهای بر تنسورفلو و اکوسیستم آن
- نصب و راهاندازی تنسورفلو (نصب، محیطهای مجازی)
- مفاهیم اصلی تنسورفلو - تانسورها، متغیرها، عملیاتها
- درک مدل اجرایی تنسورفلو
- کار با تانسورها - ایجاد، دستکاری و ایندکسگذاری
- عملیاتهای ریاضی و برودکستینگ
- متغیرها و ثابتها
- مشتقگیری خودکار با GradientTape
- کامپایل کردن و آموزش مدلهای کراس
- ارزیابی مدل و متریکهای عملکرد
- لایههای کانولوشن، لایههای پولینگ و توابع فعالسازی
- ساخت CNNs برای طبقهبندی تصویر و تشخیص شی
- درک داده متوالی و تحلیل سری زمانی
- ساخت RNNs برای تولید متن و تحلیل احساسات
- پیشپردازش متن - توکنسازی، Stemming و Lemmatization
- API مجموعه دادههای تنسورفلو برای بارگذاری مؤثر داده
- TensorBoard برای مصورسازی و اشکالزدایی
- TensorFlow Lite برای موبایل و دستگاههای تعبیه شده
- TensorFlow.js برای یادگیری ماشین مبتنی بر مرورگر
پیشنیازهای دوره
- تجربه قبلی در یادگیری عمیق لازم نیست.
توضیحات دوره
این دوره جامع، شما را از مفاهیم بنیادی یادگیری ماشین و تنسورفلو تا ساخت مدلهای پیشرفته و واقعی یادگیری عمیق هدایت میکند. ما با مبانی شروع میکنیم و شما درک جامعی از عملکرد شبکههای عصبی به دست میآورید و به تدریج مهارتهای خود را برای حل مسائل پیچیده در بینایی کامپیوتری، پردازش زبان طبیعی (NLP) و دیگر حوزهها گسترش میدهیم. از طریق مجموعهای از لابراتوارهای عملی، پروژهها و مثالهای واقعی، نه تنها یاد میگیرید مدلها را بسازید و آموزش دهید، بلکه دلیل پشت کد را درک میکنید که به شما امکان میدهد با اطمینان مسائل جدید و چالشبرانگیز را حل کنید.
این دوره برای کسی که درک اولیه از برنامهنویسی پایتون دارد و میخواهد در حوزه یادگیری ماشین و هوش مصنوعی حرفهای شود طراحی شده است. چه دانشجو باشید، توسعهدهنده نرمافزار یا تحلیلگر داده، این دوره مهارتهای عملی و دانش بنیادی را برای تبدیل شدن به کارشناس تنسورفلو فراهم میکند.
چرا این دوره را بگیرید؟
هوش مصنوعی در حال تحول صنایع در سراسر جهان است و یادگیری عمیق در قلب آن قرار دارد. تنسورفلو که توسط گوگل توسعه یافته، به کتابخانه استاندارد صنعت برای ساخت و استقرار اپلیکیشنهای هوش مصنوعی در مقیاس بالا تبدیل شده است. این دوره یک مسیر یادگیری گامبهگام ارائه میدهد که در آن تئوری و کدنویسی عملی ترکیب شده تا نه تنها مفاهیم را درک کنید، بلکه بتوانید آنها را در پروژههای واقعی پیاده کنید.
در پایان دوره میتوانید موارد زیر را عملی کنید:
- درک اصول یادگیری عمیق و تنسورفلو
- ساخت شبکههای عصبی ساده و پیچیده از ابتدا
- آموزش، ارزیابی و بهینهسازی مدلها با تکنیکهای مدرن
- کار با شبکههای عصبی کانولوشن (CNN)، شبکههای عصبی بازگشتی (RNN) و معماریهای پیشرفته
- استقرار مدلهای یادگیری ماشین در سناریوهای واقعی
آنچه یاد خواهید گرفت:
- تسلط به تنسورفلو - از اصول اولیه تا استقرار پیشرفته
- تفکر به صورت مهندس یادگیری عمیق - درک دلیل پشت هر مرحله
- مهارتهای آیندهساز - یادگیری معماریهای مبتنی بر GPT و BERT و دیگر سیستمهای پیشرفته
- افزایش شانس شغلی - کسب مهارتهایی که در صنایع هوش مصنوعی، یادگیری ماشین و علم داده بسیار مورد تقاضا است.
- اعتمادبهنفس عملی - نه تنها تئوری، بلکه هر مفهوم با مجموعه دادهها و کد واقعی تمرین میشود.
تجربه قبلی در یادگیری ماشین یا یادگیری عمیق نیاز نیست. درک اولیه از برنامهنویسی پایتون توصیه میشود.
چرا این دوره برتری دارد؟
- برنامه درسی جامع - اصول پایه و مباحث پیشرفته را پوشش میدهد.
- تمرکز عملی - کدنویسی عملی و پروژههای واقعی، یادگیری را از طریق عملی تضمین میکند.
- راهنمای گامبهگام - مفاهیم به زبان ساده و شهودی توضیح داده میشود.
- مهارتهای آیندهساز - حوزههای نوظهور مانند ترنسفرمرها و استقرار مدل را پوشش میدهد.
در پایان دوره موارد زیر را میآموزید:
- با اطمینان از تنسورفلو برای پروژههای یادگیری عمیق استفاده میکنید.
- شبکههای عصبی مختلف را میسازید و آموزش میدهید.
- تکنیکهای یادگیری عمیق را برای تصاویر، متن و داده متوالی به کار میبرید.
- با مدلهای پیشرفته مثل GAN و ترنسفرمرها تست میکنید.
- مدلها را برای کاربردهای واقعی مستقر و مقیاسبندی میکنید.
آیا برای تبدیل شدن به متخصص تنسورفلو و ساخت آینده با هوش مصنوعی آمادهاید؟
همین امروز به ما بپیوندید و مسیر خود را از شبکههای عصبی پایه تا پیشرفته و فراتر شروع کنید.
این دوره برای چه کسانی مناسب است؟
- کسی که درباره هوش مصنوعی و یادگیری عمیق کنجکاو است و میخواهد از ابتدا شروع کند.
- کسانی که دانش پایتون دارند و میخواهند در تنسورفلو و شبکههای عصبی غوطهور شوند.
- حرفهایهایی که میخواهند مهارتهای یادگیری ماشین و یادگیری عمیق خود را با تنسورفلو ارتقا دهند.
- یادگیرندگانی که میخواهند معماریهای پیشرفته شبکه عصبی و کاربردهای آن را کشف کنند.
دوره تنسورفلو - از شبکه عصبی پایه تا پیشرفته و فراتر
-
مقدمهای بر تنسورفلو و اکوسیستم آن 05:25
-
راهاندازی تنسورفلو (نصب، محیطهای مجازی) 16:20
-
مفاهیم اصلی تنسورفلو - تانسورها، متغیرها، عملیاتها 11:57
-
درک مدل اجرایی تنسورفلو 07:05
-
مقدمهای بر تنسورفلو 2.x و اجرای فوراً 10:09
-
کار با تانسورها - ایجاد، دستکاری و ایندکسگذاری 12:04
-
عملیاتهای ریاضی و برودکستینگ 09:34
-
متغیرها و ثابتها 10:58
-
مشتقگیری خودکار با GradientTape 11:13
-
ساخت مدلهای ساده با APIs اصلی تنسورفلو 13:31
-
مقدمهای بر API کراس و مزایای آن 05:14
-
ساخت مدلهای متوالی و تابعی با کراس 13:21
-
کامپایل کردن و آموزش مدلهای کراس 10:34
-
ارزیابی مدل و متریکهای عملکرد 09:53
-
کار با مجموعه دادهها در کراس 11:57
-
مقدمهای بر CNNs و معماری آنها 08:29
-
لایههای کانولوشن، لایههای پولینگ و توابع فعالسازی 09:46
-
ساخت CNNs برای طبقهبندی تصویر و تشخیص شی 16:56
-
یادگیری انتقالی با مدلهای CNN از پیش آموزش دیده (مانند ResNet و VGG) 09:22
-
مقدمهای بر RNN و کاربردهای آن 08:00
-
درک داده متوالی و تحلیل سری زمانی 08:57
-
ساخت RNNs برای تولید متن و تحلیل احساسات 11:19
-
شبکههای حافظه بلند-کوتاه (LSTM) و واحدهای دروازهای بازگشتی (GRU) 13:15
-
مقدمهای بر تسکها و تکنیکهای NLP 07:16
-
پیشپردازش متن - توکنسازی، Stemming و Lemmatization 09:53
-
تعبیه کلمات (Word2Vec ،GloVe و لایههای تعبیه) 17:08
-
ساخت RNNs و ترنسفرمرها برای تسکهای NLP 11:43
-
طبقهبندی متن، تحلیل احساسات و ترجمه ماشینی 11:54
-
لایهها و مدلهای سفارشی 10:17
-
API مجموعه دادههای تنسورفلو برای بارگذاری مؤثر داده 09:32
-
TensorBoard برای مصورسازی و اشکالزدایی 10:40
-
بهینهسازی مدل و تیونینگ عملکرد 12:18
-
ذخیره و بارگذاری مدلهای تنسورفلو 10:34
-
TensorFlow Serving برای استقرار مدل به عنوان APIs 08:35
-
TensorFlow Lite برای موبایل و دستگاههای تعبیه شده 13:19
-
TensorFlow.js برای یادگیری ماشین مبتنی بر مرورگر 07:59
-
استقرار در ابر با استفاده از پلتفرم گوگل کلود (GCP) یا سایر سرویسهای ابری 09:04
مشخصات آموزش
دوره تنسورفلو - از شبکه عصبی پایه تا پیشرفته و فراتر
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:همه سطوح
- تعداد درس:37
- مدت زمان :06:35:31
- حجم :2.59GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy