در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

دوره کاربردی یادگیری ماشینی در اندروید با Tensorflow lite

دوره کاربردی یادگیری ماشینی در اندروید با Tensorflow lite

10,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

در این کورس آموزشی با Tensorflow lite آشنا شده و یاد می گیرید که چطور در اندروید بوسیله آن یادگیری ماشینی ایجاد کنید. 

عنوان اصلی : Mobile Machine Learning for Android using Tensorflow lite

سرفصل ها :


1. معرفی:
1. مقدمه و بررسی دوره
2. راه اندازی محیط زیست:
1. راه اندازی محیط زیست
2. مقدمه نوت بوک Jupyter
3. یادگیری پایتون:
1. مقدمه پایتون و انواع داده ها
2. لیست پایتون
3. توابع لیست پایتون
4. دیکشنری پایتون و tuples
5. حلقه های پایتون و اظهارات شرطی
6. دست زدن به فایل Python
4. کتابخانه های علوم داده ها:
1. معرفی numpy و آرایه ها
2. توابع numpy
3. اپراتورهای Numpy
4. معرفی پانداها
5. پانداها خواندن فایل ها و دست زدن به ارزش های گم شده
6. معرفی Matplotlib
7. Matplotlib با تصاویر برخورد می کند
5. یادگیری ماشین و یادگیری عمیق:
1. یادگیری ماشین، طبقه بندی و رگرسیون
2. unterpervised، یادگیری تقویت کننده
3. یادگیری عمیق
4. بخش عمیق یادگیری بخش 2
5. مفاهیم اساسی قسمت 1
6. مفاهیم اساسی قسمت 2
6. Tensorflow:
1. معرفی Tensorflow
2. ثابت های Tensorflow و شکل دادن
3. رتبه Tensorflow و numpy
4. Tensorflow ماتریس ضرب و تانسور پاره شده
5. عملیات Tensorflow
6. تولید مقادیر تصادفی
7. صرفه جویی در متغیرهای با استفاده از ایستگاه های بازرسی
7. آموزش مدل اول و ایجاد برنامه Android:
1. ایجاد و آموزش مدل اول ML
2. ایجاد برنامه Android برای مدل
3. تست برنامه
8. عملکرد بتن و نمونه های مدل ذخیره شده:
1. مثال عملکرد بتن
2. مثال مدل ذخیره شده
9. مثال رگرسیون:
1. بارگیری داده ها و پیش پردازش
2. یک کدگذاری داغ
3. مدل سازی داده ها و مدل های آموزشی
4. نرم افزار بهره وری سوخت بخش 1
5. نرم افزار بهره وری سوخت بخش 2
6. تست برنامه
10. طبقه بندی مثال:
1. بارگیری مجموعه داده
2. matplotlib و داده های عادی
3. مدل آموزش
4. ارزیابی مدل و ایجاد فایل tflite
5. برنامه تشخیص رقمی 1
6. بخش برنامه تشخیص رقمی بخش 2
7. نرم افزار تشخیص رقمی بخش 3
8. تست برنامه
11. بخش تشخیص:
1. یادگیری انتقال
2. گوگل کوب
3. تشخیص گل بارگذاری داده ها مجموعه
4. آموزش شناخت گل و ارزیابی مدل
5. فرآیند تشخیص گل
6. مدل تشخیص گل
7. ارزیابی مدل TFLITE
12. جایزه:
1. کار با تصاویر قسمت 1
2. کار با تصاویر قسمت 2
3. کار با CSV
13. بخش تمرین:
1. معرفی
2. تمرین فعالیت 1 قسمت 1
3. فعالیت تمرین 1 قسمت 2
4. فعالیت تمرین 1 قسمت 3
5. فعالیت تمرین 1 قسمت 4
6. تمرین فعالیت 1 راه حل
7. تمرین فعالیت 1 برنامه 1
8. تمرین فعالیت 1 برنامه 2