دوره مقدمهای بر یادگیری عمیق با TensorFlow و Keras در پایتون همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مقدمهای بر یادگیری عمیق با TensorFlow و Keras در پایتون
موضوع کلی: برنامه نویسی
موضوع میانی: پایتون (Python)
📋 سرفصل‌های دوره
- 1. مقدمهای بر یادگیری عمیق و هوش مصنوعی
- 2. نصب و راه‌اندازی TensorFlow و Keras
- 3. آشنایی با مفاهیم پایه تنسورها در TensorFlow
- 4. کار با لایه‌های مختلف در Keras
- 5. مدل‌سازی خطی با شبکه عصبی ساده
- 6. تابع هزینه و بهینه‌سازی در یادگیری عمیق
- 7. معرفی الگوریتم پس‌انتشار خطا
- 8. آماده‌سازی داده‌ها برای شبکه‌های عصبی
- 9. مجموعه‌داده‌های معروف در یادگیری عمیق
- 10. پیش‌پردازش تصاویر با Keras
- 11. شبکه‌های عصبی متراکم (Dense)
- 12. تابع فعال‌سازی و انواع آن
- 13. نرمال‌سازی دسته‌ای (Batch Normalization)
- 14. Dropout و منظم‌سازی برای جلوگیری از بیش‌برازش
- 15. معرفی پایگاه داده MNIST
- 16. طبقه‌بندی ارقام دست‌نویس با شبکه متراکم
- 17. ارزیابی مدل با معیارهای دقت و صحت
- 18. ذخیره و بارگذاری مدل‌های آموزش‌دیده
- 19. معرفی شبکه‌های عصبی کانولوشنی (CNN)
- 20. لایه کانولوشن و فیلترها
- 21. لایه تجمع (Pooling) در CNN
- 22. معماری LeNet-5
- 23. معماری AlexNet
- 24. معماری VGGNet
- 25. معرفی مجموعه‌داده CIFAR-10
- 26. طبقه‌بندی تصاویر رنگی با CNN در Keras
- 27. افزایش داده (Data Augmentation) در تصاویر
- 28. معرفی یادگیری انتقالی (Transfer Learning)
- 29. استفاده از مدل‌های از پیش‌آموزش‌دیده در Keras
- 30. معرفی شبکه‌های عصبی بازگشتی (RNN)
- 31. مشکل ناپدید شدن گرادیان در RNN
- 32. واحد بازگشتی دروازه‌دار (GRU)
- 33. حافظه کوتاه‌مدت بلندمدت (LSTM)
- 34. پردازش متن و سری زمانی با LSTM
- 35. توکن‌سازی و بردارسازی کلمات
- 36. تعبیه کلمات (Word Embedding) در Keras
- 37. طبقه‌بندی احساسات متون با LSTM
- 38. معرفی شبکه‌های مولد تخاصمی (GAN)
- 39. ساخت مولد و تشخیص‌دهنده در GAN
- 40. آموزش GAN با Keras
- 41. معرفی خودرمزگذار (Autoencoder)
- 42. فشرده‌سازی ویژگی با خودرمزگذار
- 43. خودرمزگذار تغییردهنده (Variational Autoencoder)
- 44. معرفی یادگیری تقویتی عمیق
- 45. شبکه Q عمیق (DQN)
- 46. معرفی TensorBoard برای مصورسازی
- 47. ردیابی معیارها و نمودارهای مدل
- 48. تنظیم فراپارامترها با Keras Tuner
- 49. شتاب‌دهنده‌های سخت‌افزاری GPU و TPU
- 50. مدیریت حافظه و بهینه‌سازی عملکرد
- 51. معرفی تنسورفلو سرو (TensorFlow Serving)
- 52. استقرار مدل در محیط تولید
- 53. اشکال‌زدایی و رفع خطاهای رایج در TensorFlow
- 54. پروژه پایانی: دسته‌بندی تصاویر با CNN
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.
به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.
مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.