در حال حاضر محصولی در سبد خرید شما وجود ندارد.

در این دوره آموزشی پردازش Real-Time داده ها را به شکل پردازش زبان طبیعی و با استفاده از مدلهای Sequence یاد می گیرید.
عنوان اصلی : Sequence Models for Time Series and Natural Language Processing on Google Cloud
مقدمه آزمایشگاه: استفاده از DNN برای دنباله ها
 راه حل آزمایشگاهی: استفاده از مدل های خطی برای دنباله ها
 توالی داده ها و مدل ها
 پیش بینی سری زمانی با مدل خطی
 معرفی دوره
 مدلسازی توالی با DNN
 مشکل طول متغیر
 مدل سازی توالی با مدل های خطی
 راه حل آزمایشگاهی: استفاده از CNN برای دنباله ها
 پیش بینی سری زمانی با مدل CNN
 شروع کار با GCP و Qwiklabs
 مدلسازی توالی با CNN
 از دنباله ها تا ورودی ها
 مقدمه آزمایشگاه: استفاده از مدل های خطی برای دنباله ها
 راه حل آزمایشگاهی: استفاده از DNN برای دنباله ها
 مقدمه آزمایشگاه: استفاده از CNN برای دنباله ها
 پیش بینی سری زمانی با مدل DNN
 مشکل گرادیان ناپدید شدن
 چگونه RNN ها گذشته را نشان می دهند
 محدودیت های آنچه که RNN ها می توانند نشان دهند
 معرفی شبکه های عصبی بازگشتی
 RNN ها در TensorFlow
 راه حل آزمایشگاهی: پیش بینی سری زمانی: انتها به انتها (rnn2)
 معرفی آزمایشگاه: پیشبینی سری زمانی: انتها به انتها (rnn2)
 معرفی آزمایشگاه: پیشبینی سری زمانی: انتها به انتها (rnn)
 بهبود عملکرد ضرر ما
 پیشبینی سری زمانی با مدل RNN دو لایه
 مقدمه آزمایشگاه: پیش بینی سری زمانی - دما از داده های آب و هوا
 LSTM و GRU
 یک مدل RNN برای داده های دما
 راه حل آزمایشگاهی: پیش بینی سری زمانی: انتها به انتها (rnn)
 کار با داده های واقعی
 نسخه ی نمایشی: پیش بینی سری زمانی: انتها به انتها (rnnN)
 RNN های عمیق
 راه حل آزمایشگاهی: پیش بینی سری زمانی-دما از داده های آب و هوا
 پیش بینی سری زمانی با مدل RNN
 معرفی
 خلاصه
 خلاصه
 نسخه ی نمایشی: طبقه بندی متن با Native TensorFlow
 راه حل آزمایشگاهی: طبقه بندی متون
 انتخاب یک مدل
 معرفی آزمایشگاه: طبقه بندی متون
 طبقه بندی متن با استفاده از TensorFlow/Kera در پلتفرم هوش مصنوعی
 پایتون در مقابل تنسورفلو بومی
 طبقه بندی متن
 کار با متن
 با استفاده از تعبیههای از پیش آموزشدیده شده با TensorFlow Hub
 روش های مدرن ساخت جاسازی کلمات
 روش های تاریخی ساخت جاسازی کلمات
 معرفی TensorFlow Hub
 استفاده از TensorFlow Hub در یک برآوردگر
 معرفی آزمایشگاه: ارزیابی یک جاسازی از پیش آموزشدیده از TensorFlow Hub
 راه حل آزمایشگاهی: TensorFlow Hub
 ترجمه AutoML
 معرفی شبکه های رمزگذار-رمزگشا
 شبکه های توجه
 راه حل آزمایشگاهی: شعر ابری: آموزش مدل های متن سفارشی در موتور ابری ML
 تولید متن با استفاده از tensor2tensor در پلتفرم Cloud AI
 جریان گفتگو
 معرفی Tensor2Tensor
 معرفی آزمایشگاه: شعر ابری: آموزش مدلهای متن سفارشی در موتور ML ابری
 معرفی آزمایشگاه: معرفی Dialogflow
 راه حل آزمایشگاهی: Dialogflow
 آموزش مدل های رمزگذار-رمزگشا با TensorFlow
 شروع کار با Dialogflow
 خلاصه
Sequence Models for Time Series and Natural Language Processing on Google Cloud
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.
 
 
Architecting with Google Kubernetes Engine: Production

اموزش پروسه ها و طراحی یک زیرساخت کلود قابل اعتماد

آموزش ساخت App ، دیباگ و انجام کارهای Performance بر روی آن بوسیله Google Cloud

Architecting with Google Kubernetes Engine: Workloads

Google Sheets: Advanced Topics

گوگل چطور Machine Learning انجام میدهد

آموزش مرور و آماده سازی داده های تان به کمک BigQuery

Exploring and Preparing your Data with BigQuery

Google Cloud Digital Leader Cert Prep 2: Innovating with Data and Google Cloud

Introduction to Google Drive
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
 مشاهده پلن ها