دوره تسلط بر یادگیری عمیق با TensorFlow: از مبتدی تا متخصص همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر یادگیری عمیق با TensorFlow: از مبتدی تا متخصص

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری عمیق و TensorFlow
• 2. نصب و پیکربندی TensorFlow
• 3. مبانی Tensorها و عملیات ریاضی در TensorFlow
• 4. درک گراف محاسباتی TensorFlow
• 5. مدل‌های خطی و رگرسیون در TensorFlow
• 6. دسته‌بندی با استفاده از شبکه‌های عصبی
• 7. تابع هزینه و گرادیان کاهشی
• 8. بهینه‌سازها در TensorFlow (Adam, SGD, RMSprop)
• 9. لایه‌ها و فعال‌سازی‌ها در شبکه‌های عصبی
• 10. شبکه‌های عصبی چندلایه (MLP)
• 11. تنظیم‌سازی (Regularization) برای جلوگیری از بیش‌برازش
• 12. اعتبارسنجی متقابل (Cross-Validation) و ارزیابی مدل
• 13. کار با داده‌ها: جمع‌آوری، پیش‌پردازش و آماده‌سازی
• 14. شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر
• 15. استخراج ویژگی با استفاده از CNN
• 16. معماری‌های معروف CNN (LeNet, AlexNet, VGG, ResNet)
• 17. انتقال یادگیری (Transfer Learning) در CNN
• 18. شبکه‌های عصبی بازگشتی (RNN) برای پردازش زبان طبیعی
• 19. حافظه کوتاه‌مدت بلند (LSTM) و واحدهای تکرارشونده دروازه‌دار (GRU)
• 20. پردازش متن با استفاده از TensorFlow Text
• 21. مدل‌های توزیع شده کلمات (Word Embeddings)
• 22. شبکه‌های مولد تخاصمی (GAN)
• 23. تولید تصویر با استفاده از GAN
• 24. شبکه‌های خودرمزگذار (Autoencoders)
• 25. کاهش ابعاد با استفاده از Autoencoders
• 26. مدل‌های دنباله‌به‌دنباله (Sequence-to-Sequence)
• 27. ترجمه ماشینی با استفاده از Sequence-to-Sequence
• 28. TensorFlow Hub و استفاده از مدل‌های از پیش آموزش‌دیده
• 29. استقرار مدل‌های TensorFlow با TensorFlow Serving
• 30. TensorFlow Lite برای استقرار مدل‌ها در دستگاه‌های موبایل و embedded
• 31. TensorBoard: ابزاری برای تجسم و اشکال‌زدایی
• 32. عیب‌یابی و اشکال‌زدایی مدل‌های TensorFlow
• 33. بهینه‌سازی عملکرد مدل‌های TensorFlow
• 34. کار با مجموعه داده‌های بزرگ
• 35. استفاده از TPUها برای تسریع آموزش
• 36. یادگیری تقویتی با TensorFlow
• 37. مبانی یادگیری تقویتی
• 38. الگوریتم Q-learning
• 39. الگوریتم Deep Q-Network (DQN)
• 40. کاربرد یادگیری عمیق در تشخیص اشیا
• 41. کاربرد یادگیری عمیق در پردازش ویدئو
• 42. کاربرد یادگیری عمیق در تشخیص صدا
• 43. کاربرد یادگیری عمیق در سری‌های زمانی
• 44. TensorFlow Datasets
• 45. TensorFlow Probability
• 46. TensorFlow Agents
• 47. یادگیری خودنظارتی (Self-Supervised Learning)
• 48. یادگیری چندوظیفه‌ای (Multi-Task Learning)
• 49. یادگیری فدرال (Federated Learning)