×
۴۲,۰۰۰ تومان ۲۵,۲۰۰ تومان

آموزش برنامه نویسی یادگیری عمیق با کتابخانه TensorFlow 2

آموزش برنامه نویسی یادگیری عمیق با کتابخانه TensorFlow 2

تعداد دانشجو
۲۵۶ نفر
مدت زمان
۵ ساعت و ۱۰ دقیقه
هزینه عادی آموزش
۴۲,۰۰۰ تومان
در طرح تخفیف
۲۵,۲۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
آموزش برنامه نویسی یادگیری عمیق با کتابخانه TensorFlow 2

در این فرادرس، با برنامه‌نویسی یادگیری عمیق (Deep Learning) به‌ کمک کتابخانه TensorFlow 2 آشنا می‌شویم. TensorFlow، مشهورترین و پرکاربردترین کتابخانه برای برنامه‌نویسی یادگیری عمیق است که توسط شرکت گوگل تولید و پشتیبانی می‌شود. نسخه اولیه این کتابخانه در سال ۲۰۱۵ و نسخه دوم آن در سال ۲۰۱۹ ارائه شد. آشنایی با برنامه‌نویسی یادگیری عمیق کمک می‌کند که بتوانیم نرم‌افزارهای هوش مصنوعی را تولید کنیم. هوش مصنوعی یکی از فناوری‌های مهمی است که شاهد کاربردهای متعدد آن در حوزه‌های مختلف هستیم. این فناوری در آینده نزدیک بیشتر امور زندگی بشر را تغییر می‌دهد.

آموزش برنامه نویسی یادگیری عمیق با کتابخانه TensorFlow 2

تعداد دانشجو
۲۵۶ نفر
مدت زمان
۵ ساعت و ۱۰ دقیقه
هزینه عادی آموزش
۴۲,۰۰۰ تومان
در طرح تخفیف
۲۵,۲۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
مدرس
دکتر عادل قاضی خانی

دکتری تخصصی مهندسی کامپیوتر

زمینه تخصصی دوره دکتری ایشان در حوزه داده‌کاوی و یادگیری ماشین بوده است. ایشان هیئت علمی گروه کامپیوتر دانشگاه بین‌المللی امام رضا هستند و مقالات متعددی در حوزه یادگیری ماشین دارند. همچنین ایشان دارای سابقه تدریس دروسی همچون: داده‌کاوی، تحلیل داده‌های حجیم و بینایی کامپیوتر در مقطع کارشناسی ارشد هستند.

چکیده آموزش


توضیحات تکمیلی

علم داده و یادگیری ماشین (Machine Learning)، از مباحث مهم و مورد توجه فعلی دنیای کامپیوتر است. موضوع اصلی علم داده استفاده از داده‌ها برای ایجاد هوشمندی در سطح سخت‌افزار یا نرم‌افزار است. مترجمی که با‌ استفاده از داده‌های مربوط به جملات، زبان مبدا و مقصد یاد می‌گیرد، یا رباتی که با استفاده از داده‌ها اشیا را شناسایی می‌کند، کاربردهایی از یادگیری ماشین هستند. یادگیری عمیق به ‌عنوان شاخه‌ای از یادگیری ماشین توانسته است نتایج قابل قبولی را در کاربردهای مختلف به ‌دست‌ آورد و استفاده از آن در کسب‌و‌‌کارها سرعت بگیرد.

در این فرادرس، با برنامه‌نویسی یادگیری عمیق (Deep Learning) به‌ کمک کتابخانه TensorFlow 2 آشنا می‌شویم. TensorFlow، مشهورترین و پرکاربردترین کتابخانه برای برنامه‌نویسی یادگیری عمیق است که توسط شرکت گوگل تولید و پشتیبانی می‌شود. نسخه اولیه این کتابخانه در سال ۲۰۱۵ و نسخه دوم آن در سال ۲۰۱۹ ارائه شد.

آشنایی با برنامه‌نویسی یادگیری عمیق کمک می‌کند که بتوانیم نرم‌افزارهای هوش مصنوعی را تولید کنیم. هوش مصنوعی یکی از فناوری‌های مهمی است که شاهد کاربردهای متعدد آن در حوزه‌های مختلف هستیم. این فناوری در آینده نزدیک بیشتر امور زندگی بشر را تغییر می‌دهد.

در این آموزش سعی‌شده است تا مهم‌ترین مباحثی که برای طراحی و تولید یک نرم‌افزار هوش مصنوعی نیاز داریم را بیان نماییم. از مفاهیم مقدماتی یادگیری ماشین بحث آغاز‌ شده و تا معماری‌های مهم یادگیری عمیق، یعنی: Long Short Term Memory, Convolutional Neural Networks و همچنین Generative Adversarial Network ادامه یافته است و تمام مباجث همراه با برنامه‌نویسی در زبان پایتون مورد بررسی قرار می‌گیرد. در انتها مفاهیم پیشرفته‌ای از قبیل نحوه تولید یک سرویس از برنامه یادگیری عمیق به کمک TensorFlow Serving بیان شده است. آخرین مبحث، نحوه استفاده از کتابخانه TensorFlow 2 در محیط وب و موبایل به ‌همراه برنامه‌نویسی در این محیط‌ها است.

در این آموزش از زبان پایتون برای آموزش برنامه‌نویسی و در بخش وب و موبایل از زبان جاوا اسکریپت و کاتلین (Kotlin) استفاده شده است. آموزش به‌ صورت کوتاه ارائه شده است و مطالب مهم و کلیدی برنامه‌نویسی یادگیری عمیق را بیان می‌کند.

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه
    • هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
    • برنامه‌نویسی یادگیری عمیق
  • درس دوم: آشنایی با TensorFlow
    • تاریخچه
    • نحوه نصب
    • مثال Hello World
  • درس سوم: مفاهیم پایه‌ای TensorFlow
    • تنسورها
    • گراف محاسباتی ایستا و پویا
  • درس چهارم: بهینه‌سازی در TensorFlow
    • بهینه‌سازی در یادگیری ماشین
    • مدل یادگیری و آموزش آن
    • مدل یادگیری در TensorFlow 2
    • رگرسیون خطی
    • مثال عملی مدل رگرسیون خطی در پایتون
  • درس پنجم: شبکه عصبی در TensorFlow
    • ساختار شبکه عصبی
    • یادگیری در شبکه عصبی
    • مثال عملی شبکه عصبی در پایتون
  • درس ششم: شبکه‌های عصبی کانولوشنی در TensorFlow 2
    • معماری شبکه‌های عصبی کانولوشنی
    • کانولوشن
    • Pooling
    • Dropout
    • مثال عملی طبقه‌بندی تصاویر شبکه عصبی کانولوشنی در پایتون
  • درس هفتم: شبکه‌های عصبی بازگشتی در TensorFlow 2
    • داده‌های ترتیبی
    • معماری شبکه بازگشتی RNN
    • یادگیری در شبکه RNN و چالش آن
    • شبکه بازگشتی LSTM
    • پردازش زبان طبیعی
    • طبقه‌بندی متن
    • رقمی‌سازی متن
    • Word Embedding
    • مثال عملی طبقه‌بندی متن با شبکه LSTM در پایتون
  • درس هشتم: شبکه‌های GAN در TensorFlow 2
    • معماری شبکه GAN
    • یادگیری در شبکه GAN
    • شبکه DCGAN
    • مثال عملی تولید تصاویر با شبکه GAN در پایتون
  • درس نهم: مفاهیم پیشرفته در TensorFlow 2
    • برنامه‌نویسی با گراف‌های محاسباتی به همراه مثال
    • بصری‌سازی و خطایابی برنامه یادگیری عمیق با TensorBoard به همراه مثال
    • تبدیل برنامه یادگیری عمیق به سرویس REST با TensorFlow Serving به همراه مثال
  • درس دهم: TensorFlow 2 در محیط وب و موبایل
    • TensorFlow 2 در محیط وب به‌ کمک TensorFlow.js
    • مثال عملی برنامه TensorFlow 2 در زبان JavaScript
    • TensorFlow 2 در محیط موبایل با TensorFlow Lite
    • مثال عملی برنامه TensorFlow 2 در موبایل در Android Studio با زبان Kotlin

مفید برای رشته‌های
  • مهندسی کامپیوتر
  • مهندسی برق
  • ریاضی کاربردی
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

TensorFlow 2, PyCharm 2020, Android Studio 4.0



پیش نمایش‌ها

۱. مقدمه

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۳ مگابایت -- (کلیک کنید +))

۲. آشنایی با TensorFlow

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۳ مگابایت -- (کلیک کنید +))

۳. مفاهیم پایه‌ای TensorFlow

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۶ مگابایت -- (کلیک کنید +))

۴. بهینه‌سازی در TensorFlow
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. شبکه عصبی در TensorFlow
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. شبکه‌های عصبی کانولوشنی در TensorFlow 2
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. شبکه‌های عصبی بازگشتی در TensorFlow 2
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. شبکه‌های GAN در TensorFlow 2
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. مفاهیم پیشرفته در TensorFlow 2
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. TensorFlow 2 در محیط وب و موبایل
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش برنامه نویسی یادگیری عمیق با کتابخانه TensorFlow 2
ناشر فرادرس
کد آموزش FVDL9906
مدت زمان ۵ ساعت و ۱۰ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۴۷۳ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۲۵۶ نفر از این آموزش استفاده کرده اند و هنوز هیچ نظری ثبت نشده است.

برچسب‌ها:
Artificial Intelligence Softwars | Convolutional Neural Networks | Deep Convolutional Generative Adversarial Network | Deep Learning Programming | Generative adversarial network | Hello World Example | Introduction TensorFlow Lite | Introduction to CNN Network | Introduction to Deep learning | Introduction to Dropout | Introduction to GAN Network | Introduction to LSTM Network | Introduction to Neural Network | Introduction to Pooling | Introduction to RNN Network | Introduction to Tensor | Introduction to Tensorboard | Introduction to Tensorflow | Introduction to Tensorflow 2 | Introduction to Tensorflow serving | Introduction to Tensorflow web | Introduction to Tensorflowlite | Introduction to to Python | Long Short Term Memory | Machine Learning | Network GAN in TensorFlow 2 | Optimization in TensorFlow   | Recurrent Neural Networks in TensorFlow  2 | Representational state transfer | Tensorboard | TensorFlow  Serving | TensorFlow 2 | TensorFlow in Python | TensorFlow Serving | Word Embedding | آشنایی با پایتون | آشنایی با تنسوربرد | آشنایی با تنسورفلو  | آشنایی با تنسورفلو 2 | آشنایی با تنسورفلو وب | آشنایی با تنسورفلولایت | آشنایی با تنسورها | آشنایی با رگرسیون خطی | آموزش مدل یادگیری | استفاده از تنسورفلو 2 | استفاده تنسورفلو در موبایل | استفاده تنسورفلو در وب | ایجاد هوشمندی در سخت‌ افزار | ایجاد هوشمندی در نرم افزار | برنامه ‌نویسی با گراف‌ های محاسباتی | برنامه نویسی یادگیری عمیق | برنامه‌نویسی در زبان پایتون | بصری سازی با تنسوربرد | بصری ‌سازی برنامه یادگیری عمیق | بهینه‌ سازی در تنسورفلو | بهینه‌ سازی در یادگیری ماشین | پردازش زبان طبیعی | تاریخچه تنسورفلو | تبدیل برنامه یادگیری عمیق | تنسورفلو 2 با زبان کاتلین | تنسورفلو 2 در اندرویداستودیو | تنسورفلو 2 در زبان جاوا اسکریپت | تنسورفلو 2 در محیط موبایل | تنسورفلو 2 در محیط وب | تنسورفلو 2 در موبایل | تنسورفلو 2 در موبایل با تنسورفلولایت | تنسورفلو 2 در وب با TensorFlow.js | تنسورفلو در پایتون | تنسورفلو سروینگ | تولید تصاویر با شبکه GAN | خطایابی با تنسوربرد | خطایابی برنامه یادگیری عمیق | داده ‌های ترتیبی | رقمی‌ سازی متن | زبان برنامه نویسی پایتون | ساختار شبکه عصبی | شاخه های یادگیری ماشین | شبکه بازگشتی LSTM | شبکه‌ عصبی بازگشتی در تنسورفلو 2 | شبکه عصبی در پایتون | شبکه عصبی در تنسورفلو  | شبکه‌ عصبی کانولوشنی در تنسورفلو 2 | طبقه‌ بندی تصاویر شبکه عصبی کانولوشنی | طبقه‌ بندی متن | طبقه ‌بندی متن با شبکه LSTM | کاربرد یادگیری ماشین | کتابخانه تنسورفلو | کتابخانه تنسورفلو 2 | کتابخانه نرم افزاری تنسورفلو | گراف محاسباتی ایستا | گراف محاسباتی پویا | مدل رگرسیون خطی در پایتون | مدل یادگیری | مدل یادگیری در تنسورفلو 2 | معرفی یادگیری ماشین | معرفی شبکه GAN | معرفی شبکه LSTM | معرفی شبکه RNN | معرفی شبکه کانولوشنی | معرفی علم داده | معرفی کانولوشن | معرفی هوش مصنوعی | معرفی یادگیری عمیق | معرفی یادگیری ماشین | معماری شبکه GAN | معماری شبکه عصبی بازگشتی | معماری شبکه عصبی کانولوشنی | معماری یادگیری عمیق | مفاهیم پایه‌ای تنسورفلو  | مفاهیم پیشرفته در تنسورفلو 2 | نحوه نصب تنسورفلو | نرم‌ افزارهای هوش مصنوعی | یادگیری در شبکه GAN | یادگیری در شبکه عصبی | یادگیری در شبکه عصبی بازگشتی
مشاهده بیشتر مشاهده کمتر