راهنمای TensorFlow 2.0 با استفاده از Keras API

ساخت برنامه های شگفت انگیز از یادگیری عمیق و هوش مصنوعی در Tensorflow 2.0

عنوان اصلی : A Complete Guide on TensorFlow 2.0 using Keras API

سرفصل های دوره :

مقدمه:
برنامه درسی دوره و مجموعه ابزار Colab
پاداش: 10 مزیت TensorFlow
پاداش: مسیر یادگیری
مبانی TensorFlow 2.0:
ثابت ها، متغیرها، تانسورها
عملیات با تانسورها
رشته ها
شبکه های عصبی مصنوعی:
تنظیم پروژه
پیش پردازش داده ها
ساخت شبکه عصبی مصنوعی
آموزش شبکه عصبی مصنوعی
ارزیابی شبکه عصبی مصنوعی
آزمون شبکه عصبی مصنوعی
تکلیف: شبکه های عصبی مصنوعی
راه حل تکلیف: شبکه های عصبی مصنوعی
شبکه های عصبی کانولوشنال:
تنظیم پروژه و پیش پردازش داده ها
ساخت شبکه عصبی کانولوشنال
آموزش و ارزیابی شبکه عصبی کانولوشنال
آزمون شبکه های عصبی کانولوشنال
تکلیف: شبکه های عصبی کانولوشن
راه حل تکلیف: شبکه های عصبی کانولوشن
شبکه های عصبی مکرر:
تنظیم پروژه و پیش پردازش داده ها
ساخت شبکه عصبی مکرر
آموزش و ارزیابی شبکه عصبی بازگشتی
آزمون شبکه عصبی تکراری
یادگیری انتقال و تنظیم دقیق:
تنظیم پروژه
پیش پردازش مجموعه داده
در حال بارگیری مدل MobileNet V2
فریز کردن مدل از پیش آموزش دیده
افزودن هد سفارشی به مدل از پیش آموزش دیده
تعریف مدل یادگیری انتقالی
تدوین مدل یادگیری انتقالی
تولید کننده داده های تصویر
آموزش انتقالی
ارزیابی نتایج یادگیری انتقال
تعریف مدل تنظیم دقیق
تدوین مدل تنظیم دقیق
تنظیم دقیق
ارزیابی نتایج تنظیم دقیق
آزمون آموزش انتقال
نظریه یادگیری تقویتی عمیق:
یادگیری تقویتی چیست؟
معادله بلمن
فرایند تصمیم گیری مارکوف (MDP)
Q-Learning Intuition
تفاوت زمانی
دید Q-Learning Intuition - مرحله 1
دید Q-Learning Intuition - مرحله 2
بازپخش را تجربه کنید
خط مشی های انتخاب اقدام
یادگیری تقویتی عمیق برای معاملات بازار سهام:
تنظیم پروژه
AI Trader - مرحله 1
AI Trader - مرحله 2
AI Trader - مرحله 3
AI Trader - مرحله 4
AI Trader - مرحله 5
عملکرد بارگذار مجموعه داده
عملکرد ایجاد کننده حالت
در حال بارگیری مجموعه داده
تعریف مدل
حلقه آموزشی - مرحله 1
حلقه آموزشی - مرحله 2
تأیید اعتبار داده ها با اعتبارسنجی داده های TensorFlow (TFDV):
تنظیم پروژه
بارگیری مجموعه داده آلودگی
ایجاد طرح داده های داده
محاسبات آمار مجموعه آزمون
تشخیص ناهنجاری با اعتبارسنجی داده های TensorFlow
آماده سازی طرحواره برای تولید
ذخیره طرحواره
بعدی چیه؟
پیش پردازش مجموعه داده با تبدیل TensorFlow (TFT):
تنظیم پروژه
پیش پردازش داده اولیه
فراداده مجموعه داده
عملکرد پیش پردازش
خط لوله پیش پردازش مجموعه داده
بعدی چیه؟
Fashion API با Flask و TensorFlow 2.0:
تنظیم پروژه
وارد کردن وابستگی های پروژه
بارگیری یک مدل از پیش آموزش دیده
تعریف برنامه Flask
ایجاد تابع طبقه بندی
شروع برنامه Flask
ارسال درخواست های API از طریق اینترنت به مدل
Image Classification API با سرویس TensorFlow:
سرویس TensorFlow چیست؟
معماری سرویس دهی TensorFlow
تنظیم پروژه
پیش پردازش مجموعه داده
تعریف، آموزش و ارزیابی مدل
ذخیره مدل برای تولید
ارائه مدل TensorFlow 2.0
ایجاد یک شی JSON
ارسال اولین درخواست POST به مدل
ارسال درخواست POST به یک مدل خاص
TensorFlow Lite: یک مدل برای دستگاه تلفن همراه آماده کنید:
TensorFlow Lite چیست؟
تنظیم پروژه
پیش پردازش مجموعه داده
ساخت یک مدل
آموزش، ارزیابی مدل
ذخیره مدل
تبدیل TensorFlow Lite
تبدیل مدل به مدل TensorFlow Lite
ذخیره مدل تبدیل شده
بعدی چیه؟
آموزش توزیع شده با TensorFlow 2.0:
آموزش توزیع شده چیست؟
تنظیم پروژه
پیش پردازش مجموعه داده
تعریف یک مدل غیر توزیع شده (مدل CNN معمولی)
تنظیم یک استراتژی توزیع شده
تعریف مدل توزیع شده
ارزیابی نهایی - تست سرعت: مدل نرمال در مقابل مدل توزیع شده
ضمیمه 1 - نظریه شبکه های عصبی مصنوعی:
طرح حمله
نورون
عملکرد فعال سازی
شبکه های عصبی چگونه کار می کنند؟
شبکه های عصبی چگونه یاد می گیرند؟
نزول گرادیان
نزول گرادیان تصادفی
انتشار پس زمینه
ضمیمه 2 - نظریه شبکه های عصبی کانولوشنال:
طرح حمله
شبکه های عصبی کانولوشن چیست؟
مرحله 1 - پیچیدگی
مرحله 1 Bis - لایه ReLU
مرحله 2 - حداکثر ادغام
مرحله 3 - صاف کردن
مرحله 4 - اتصال کامل
خلاصه
Softmax & Cross-Entropy
ضمیمه 3 - نظریه شبکه های عصبی مکرر:
طرح حمله
شبکه های عصبی بازگشتی چیست؟
شیب ناپدید شدن
LSTMs
LSTM شهود عملی
تغییرات LSTM
سخنرانی پاداش:
پاداش ویژه COVID-19
***پاداش ویژه شما***
**منابع آموزشی رایگان برای شما**