.svg)
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.
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
پیش نیاز
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
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: ۷ 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.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.
راهنمای سفارش آموزش‌ها
.svg)
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 |
| شناسه اثر | ۸–۱۲۴۵۲–۰۷۸۲۵۸ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد) |
| کد آموزش | FVDL9906 |
| مدت زمان | ۵ ساعت و ۱۰ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
| حجم دانلود | ۶۶۵ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
نظرات
آموزش خیلی خوبیه ممنون و خسته نباشید
آموزش خیلی خوبی بود لذت بردم
آموزش خیلی خوبیه به شرط اینکه شما پیش‌نیازهای اون رو داشته باشید. این آموزش به شما کار کردن با خود پایتون رو آموزش نمیده. اونو باید بلد باشید. بیش از خود هوش مصنوعی که به عنوان پیش‌نیاز قید شده.
در کل آموزش برای من عالی بود، ولی ای کاش یه آموزش هم اضافه بشه برای انتخاب پیکربندی شبکه‌های عصبی. اینکه چه تعداد لایه و از چه نوع و با چه اندازه‌ای انتخاب بکنیم. به خصوص نوع لایه‌ها.