Udemy – TensorFlow 2.0 Practical Advanced 2022-1

در تاریخ: 1402/12/06 10:01:37

توضیحات

دوره TensorFlow 2.0 Practical Advanced. گوگل به تازگی TensorFlow 2.0 را منتشر کرده است که قدرتمندترین پلتفرم منبع باز گوگل برای ساخت و استقرار مدل های هوش مصنوعی در عمل است. انتشار Tensorflow 2.0 یک پیروزی بزرگ برای توسعه دهندگان و علاقه مندان به هوش مصنوعی است زیرا امکان توسعه تکنیک های فوق پیشرفته هوش مصنوعی را به روشی بسیار آسان تر و سریع تر فراهم می کند. هدف از این دوره ارائه دانش عملی به دانش آموزان در زمینه ساخت، آموزش، آزمایش و استقرار شبکه های عصبی مصنوعی پیشرفته و مدل های یادگیری عمیق با استفاده از TensorFlow 2.0 و Google Colab است. این دوره پیاده سازی پیشرفته و پیشرفته مدل های هوش مصنوعی در TensorFlow 2.0 مانند DeepDream، AutoEncoders، شبکه های متخاصم مولد (GANs)، آموزش انتقال با استفاده از TensorFlow Hub، حافظه کوتاه مدت بلند مدت (LSTM) شبکه های عصبی تکراری و بسیاری را پوشش می دهد. بیشتر. کاربردهای این مدل‌های پیشرفته هوش مصنوعی بی‌پایان است، از جمله تولید عکس‌های واقعی انسانی جدید، ترجمه متن، حذف نویز تصویر، فشرده‌سازی تصویر، ترجمه متن به تصویر، تقسیم‌بندی تصویر، و شرح تصویر. انتظار می‌رود بخش‌های جهانی هوش مصنوعی و فناوری یادگیری ماشین از 1.4 میلیارد دلار به 8.8 میلیارد دلار تا سال 2022 رشد کنند و پیش‌بینی می‌شود که بخش فناوری هوش مصنوعی تا سال 2020 حدود 2.3 میلیون شغل ایجاد کند. این فناوری در مقیاس گسترده در حال پیشرفت است و تقریباً در حال استفاده است هر بخش این دوره تجربه عملی عملی در آموزش شبکه‌های عصبی مصنوعی پیشرفته با استفاده از مجموعه داده‌های دنیای واقعی با استفاده از TensorFlow 2.0 و Google Colab را برای دانشجویان فراهم می‌کند. این دوره چندین تکنیک را به صورت عملی پوشش می دهد، پروژه ها شامل اما نه محدود به:

برای ایجاد شاهکارهای هنری مبتنی بر هوش مصنوعی، الگوریتم پیشرفته DeepDream را توسعه دهید، آموزش دهید، و آزمایش کنید!
شبکه‌های متخاصم مولد انقلابی به نام GAN را برای تولید تصاویر کاملاً جدید پیاده‌سازی کنید.
شبکه های حافظه کوتاه مدت (LSTM) را برای تولید متن جدید به سبک شکسپیر توسعه دهید!
مدل‌های هوش مصنوعی را با استفاده از سرویس TensorFlow 2.0 در عمل پیاده‌سازی کنید.
از Auto-Encoders برای فشرده سازی تصویر و حذف نویز استفاده کنید.
استفاده از آموزش انتقال برای انتقال دانش از شبکه های از پیش آموزش دیده برای طبقه بندی تصاویر جدید با استفاده از TensorFlow 2.0 Hub.

هدف این دوره برای دانش‌آموزانی است که می‌خواهند درک اساسی از نحوه ساخت، آموزش، آزمایش و استقرار مدل‌های پیشرفته در Tensorflow 2.0 به دست آورند. دانش اولیه برنامه نویسی و شبکه های عصبی مصنوعی توصیه می شود. دانش آموزانی که در این دوره ثبت نام می کنند، بر تکنیک های هوش مصنوعی پیشرفته و یادگیری عمیق تسلط دارند و می توانند مستقیماً از این مهارت ها برای حل مسائل چالش برانگیز دنیای واقعی استفاده کنند.

آنچه که در دوره TensorFlow 2.0 Practical Advanced فرا خواهید گرفت

با استفاده از TensorFlow 2.0 که به تازگی منتشر شده است، مدل های شبکه های عصبی مصنوعی پیشرفته (ANN) را بسازید، آموزش دهید، آزمایش کنید و به کار بگیرید.
تئوری و ریاضیات اساسی در پشت شبکه های عصبی متخاصم مولد (GAN) را درک کنید.
از GAN های انقلابی برای تولید تصاویر کاملاً جدید با استفاده از Keras API در TF 2.0 استفاده کنید.
تئوری و ریاضیات اساسی پشت رمزگذارهای خودکار و رمزگذارهای خودکار متغیر (VAE) را درک کنید.
کدگذارهای خودکار را برای فشرده‌سازی و حذف نویز با استفاده از Keras API در TF 2.0 آموزش و آزمایش کنید.
تئوری اساسی و ریاضیات پشت الگوریتم DeepDream را درک کنید. توسعه، آموزش و آزمایش الگوریتم پیشرفته DeepDream برای ایجاد شاهکارهای هنری مبتنی بر هوش مصنوعی با استفاده از Keras API در TF 2.0!
درک شهود پشت شبکه های عصبی مکرر حافظه کوتاه مدت (LSTM) (RNNs).
شبکه‌های حافظه کوتاه‌مدت (LSTM) را برای تولید متن جدید به سبک شکسپیر با استفاده از Keras API در TF 2.0 آموزش دهید!
برای طبقه‌بندی تصاویر جدید با استفاده از TensorFlow 2.0 Hub، یادگیری انتقال را برای انتقال دانش از شبکه‌های MobileNet و ResNet از پیش آموزش دیده اعمال کنید.
مدل‌های ANN را توسعه دهید و آنها را در Google’s Colab آموزش دهید و در عین حال از قدرت GPU و TPU استفاده کنید.
مدل‌های هوش مصنوعی را با استفاده از سرویس TensorFlow 2.0 در عمل پیاده‌سازی کنید.