آموزش یادگیری عمیق با تنسورفلو TensorFlow

تنسورفلو TensorFlow یک کتابخانه متن باز مبتنی بر پایتون برای یادگیری ماشین و یادگیری عمیق است که توسط Google Brain توسعه داده شده است. این کتابخانه به توسعه دهندگان و پژوهشگران این امکان را می دهد تا مدل های یادگیری ماشین را راحت تر طراحی، آموزش و استقرار دهند.

با توجه به پیشرفت سریع و مداوم حوزه هوش مصنوعی، درک مفاهیم بنیادی و نوظهور یادگیری عمیق برای افراد حرفه ای که قصد دارند در حوزه‌های مرتبط با فناوری پیشرو باشند، امری ضروری است. این دوره آموزشی به شما کمک می کند تا با قدرت تنسورفلو TensorFlow و همچنین جدیدترین ویژگی ها و روش های استفاده از آن و حتی کاربردهای عملی آن آشنا شوید.

در این دوره چه مباحثی آموزش داده شده است؟

ما در این دوره به آموزش یادگیری عمیق با تنسورفلو TensorFlow می پردازیم. این دوره با GitHub Codespaces یکپارچه شده است. GitHub Codespaces در واقع یک محیط توسعه ابری است که تمامی قابلیت های یک IDE محبوب را بدون نیاز به تنظیمات لوکال به شما ارائه می‌دهد.

شما با استفاده از GitHub Codespaces، می‌توانید از هر دستگاهی، در هر زمان و به صورت عملی تمرین کنید و با ابزارهای کار کنید که احتمالا در محیط های کاری واقعی با آنها مواجه خواهید شد.

ما در طول این دوره شما را ابتدا با مفاهیم هوش مصنوعی مولد (Generative Artificial Intelligence) آشنا می کنیم تا انگیزه شما برای کاوش و یادگیری بیشتر در این زمینه افزایش یابد. در پایان این دوره، شما مهارت کافی برای پیاده سازی مدل های یادگیری عمیق با TensorFlow را خواهید داشت.

سرفصل های دوره آموزش یادگیری عمیق با تنسورفلو TensorFlow

مقدمه

• خوش‌آمدگویی به دوره آموزش یادگیری عمیق با TensorFlow

1. آشنایی با Codespaces

• Codespaces: یک محیط کاری آماده استفاده
• تنظیم TensorFlow با Codespaces

2. درک TensorFlow

• مفاهیم ضروری TensorFlow
• TensorFlow برای کاربران NumPy
• گردش کار (Workflow) یادگیری ماشین
• چالش: نرمال‌سازی تنسورها
• راه‌حل: تحلیل آماری گام‌به‌گام

3. ساخت اولین مدل

• ایجاد یک مدل TensorFlow
• پیش‌پردازش و تغذیه داده به مدل
• نظارت بر آموزش و اعتبارسنجی
• معیارهای موفقیت
• ذخیره و استفاده مجدد از مدل‌های آموزش‌دیده
• مقدمه‌ای بر مدل‌های مولد (Autoencoders)
• چالش: اولین مدل TensorFlow من
• راه‌حل: بلوک‌های ساختاری برای تسلط بر TensorFlow

4. تسلط بر TensorBoard

• مصورسازی موفقیت با TensorBoard
• بررسی عمیق معیارهای آموزش

نتیجه‌گیری

• گام‌های بعدی

مدرس دوره

کمک به کسب و کارها در استفاده از هوش مصنوعی در حین رشد DigiFab.ai | مهندس سابق کارکنان هوش مصنوعی در Intel

حاصل دوره

دانشجویان عزیز با گذراندن این دوره به طور کامل نحوه پیاده سازی مدل های یادگیری عمیق با تنسورفلو TensorFlow را می آموزند و می توانند به طور عملی از این کتابخانه فوق العاده در پروژه های عملی و واقعی خود استفاده کنند.