Tensorflow 2.0: یادگیری عمیق و هوش مصنوعی

یادگیری ماشین و شبکه های عصبی برای دید کامپیوتر، تجزیه و تحلیل سری زمانی، NLP، GAN ها، یادگیری تقویت، + بیشتر!

عنوان اصلی : Tensorflow 2.0: Deep Learning and Artificial Intelligence

سرفصل های دوره :

خوش آمدید:
طرح کلی
کد را از کجا دریافت کنیم
Google Colab:
معرفی Google Colab، نحوه استفاده رایگان از GPU یا TPU
Tensorflow 2.0 در Google Colab
در حال آپلود داده های خود در Google Colab
از کجا می توانم درباره Numpy، Scipy، Matplotlib، Pandas، و Scikit-Learn بیاموزم؟
چگونه در این دوره موفق شویم
یادگیری ماشین و نورون ها:
یادگیری ماشینی چیست؟
تهیه کد (نظریه طبقه بندی)
یادداشت طبقه بندی
تهیه کد (نظریه رگرسیون)
نوت بوک رگرسیون
نورون
یک مدل چگونه "یاد می گیرد"؟
پیش‌بینی
ذخیره و بارگذاری یک مدل
چرا Keras؟
جعبه پیشنهاد
شبکه های عصبی مصنوعی پیشخور:
معرفی بخش شبکه های عصبی مصنوعی
مبتدیان شادی می کنند: ریاضی در این دوره اختیاری است
انتشار رو به جلو
تصویر هندسی
توابع فعال سازی
طبقه بندی چند طبقه
نحوه نمایش تصاویر
تهیه کد (ANN)
ANN برای طبقه بندی تصویر
ANN برای رگرسیون
شبکه های عصبی کانولوشنال:
کانولوشن چیست؟ (قسمت 1)
کانولوشن چیست؟ (قسمت 2)
کانولوشن چیست؟ (قسمت 3)
پیچیدگی روی تصاویر رنگی
معماری CNN
تهیه کد CNN
CNN برای Fashion MNIST
CNN برای CIFAR-10
افزایش داده ها
نرمال سازی دسته ای
بهبود نتایج CIFAR-10
شبکه های عصبی مکرر، سری های زمانی و داده های توالی:
داده های توالی
پیش‌بینی
مدل خطی خودرگرسیون برای پیش‌بینی سری‌های زمانی
اثبات اینکه مدل خطی کار می کند
شبکه های عصبی تکراری
آماده سازی کد RNN
RNN برای پیش‌بینی سری‌های زمانی
توجه به اشکال
GRU و LSTM (نقطه 1)
GRU و LSTM (نقطه 2)
یک دنباله چالش برانگیزتر
نمایش مشکل مسافت طولانی
RNN برای طبقه‌بندی تصویر (تئوری)
RNN برای طبقه‌بندی تصویر (کد)
پیش‌بینی بازده سهام با استفاده از LSTM (نقطه 1)
پیش‌بینی بازده سهام با استفاده از LSTM (نقطه 2)
پیش‌بینی بازده سهام با استفاده از LSTM (نقطه 3)
روش های دیگر برای پیش بینی
پردازش زبان طبیعی (NLP):
جاسازی ها
تهیه کد (NLP)
پیش پردازش متن
طبقه بندی متن با LSTMs
سی ان ان برای متن
طبقه بندی متن با CNN
سیستم های توصیه کننده:
سیستم های پیشنهادی با نظریه یادگیری عمیق
سیستم های پیشنهادی با کد یادگیری عمیق
آموزش انتقال برای کامپیوتر ویژن:
نظریه یادگیری انتقال
برخی از مدل های از پیش آموزش دیده (VGG، ResNet، Inception، MobileNet)
مجموعه داده های بزرگ و تولید کننده های داده
2 رویکرد به یادگیری انتقالی
کد یادگیری انتقال (نقطه 1)
کد یادگیری انتقال (نقطه 2)
GAN ها (شبکه های متخاصم مولد):
نظریه GAN
کد GAN
یادگیری تقویتی عمیق (تئوری):
مقدمه بخش یادگیری تقویتی عمیق
عناصر یک مسئله یادگیری تقویتی
وضعیت ها، اقدامات، پاداش ها، سیاست ها
فرایندهای تصمیم مارکوف (MDP)
بازگشت
توابع ارزش و معادله بلمن
"یادگیری" به چه معناست؟
حل معادله بلمن با یادگیری تقویتی (نقطه 1)
حل معادله بلمن با یادگیری تقویتی (بخش 2)
Epsilon-Greedy
Q-Learning
Deep Q-Learning / DQN (نقطه 1)
Deep Q-Learning / DQN (نقطه 2)
چگونه یادگیری تقویتی را یاد بگیریم
پروژه معاملات سهام با یادگیری تقویتی عمیق:
معرفی معامله گر سهام یادگیری تقویتی
داده ها و محیط زیست
بازپخش بافر
طراحی و چیدمان برنامه
کد pt 1
کد pt 2
کد pt 3
کد pt 4
بحث معامله گر سهام یادگیری تقویتی
کمک! چرا کد روی دستگاه من کندتر است؟
استفاده از Tensorflow پیشرفته:
وب سرویس چیست؟ (Tensorflow Serving pt 1)
Tensorflow Serving pt 2
Tensorflow Lite (TFLite)
چرا گوگل پادشاه محاسبات توزیع شده است؟
آموزش با استراتژی های توزیع شده
استفاده از TPU
Tensorflow سطح پایین:
تفاوت بین Tensorflow 1.x و Tensorflow 2.x
ثابت و محاسبات پایه
متغیرها و نوار گرادیان
مدل سفارشی خود را بسازید
عمق: توابع از دست دادن:
میانگین مربعات خطا
آنتروپی متقاطع باینری
آنتروپی متقاطع طبقه ای
در عمق: گرادیان نزول:
نزول گرادیان
نزول گرادیان تصادفی
تحرک
نرخ های یادگیری متغیر و تطبیقی
آدام (نقطه 1)
آدام (بخش 2)
اضافی:
نحوه انتخاب فراپارامترها
تمرینات کجا هستند؟
پیوندها به نوت بوک های TF2.0
تنظیم محیط خود (سؤالات متداول بر اساس درخواست دانشجو):
چگونه منNumpy، Scipy، Matplotlib، Pandas، IPython، Theano و TensorFlow را نصب کنید
تنظیم محیط آناکوندا
نصب کتابخانه های یادگیری عمیق با پردازنده گرافیکی شتاب دهنده NVIDIA در رایانه خانگی شما
راهنمای اضافی برای کدنویسی پایتون برای مبتدیان (سؤالات متداول بر اساس درخواست دانشجو):
نکات کدنویسی مبتدیان
چگونه برای خود کدنویسی کنید (قسمت 1)
چگونه برای خود کدنویسی کنیم (قسمت 2)
اثبات اینکه استفاده از نوت بوک Jupyter همان استفاده نکردن از آن است
آیا تیانو مرده است؟
راهبردهای یادگیری مؤثر برای یادگیری ماشین (سؤالات متداول بر اساس درخواست دانشجو):
چگونه در این دوره موفق شویم (نسخه طولانی)
آیا این برای مبتدیان است یا متخصصان؟ علمی یا عملی؟ سریع یا کند؟
نقشه راه پیش نیاز یادگیری ماشین و هوش مصنوعی (نقطه 1)
نقشه راه پیش نیاز یادگیری ماشین و هوش مصنوعی (نقطه 2)
ضمیمه / نهایی سوالات متداول:
ضمیمه چیست؟
سخنرانی جایزه