کتاب Typescript: استفاده از TensorFlow.js با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Typescript: استفاده از TensorFlow.js

موضوع کلی: برنامه نویسی

موضوع میانی: تایپ اسکریپت (TypeScript)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر TensorFlow.js و کاربردهای آن
• 2. نصب و راه‌اندازی TensorFlow.js در پروژه TypeScript
• 3. معرفی تنسورها و عملیات پایه
• 4. ایجاد و دستکاری تنسورها در TypeScript
• 5. انواع داده و شکل‌دهی تنسورها
• 6. عملیات ریاضی روی تنسورها
• 7. مدیریت حافظه و dispose تنسورها
• 8. مدل‌های یادگیری ماشین در TensorFlow.js
• 9. معماری مدل‌های Sequential و Functional
• 10. ایجاد یک مدل خطی ساده با Layers API
• 11. کامپایل مدل و تنظیم optimizer، loss و metrics
• 12. آموزش مدل با fit و داده‌های آموزشی
• 13. ارزیابی عملکرد مدل با evaluate
• 14. پیش‌بینی با مدل آموزش‌دیده
• 15. ذخیره و بارگذاری مدل در مرورگر و Node.js
• 16. تبدیل مدل‌های Keras به فرمت TensorFlow.js
• 17. استفاده از مدل‌های پیش‌آموزش‌دیده (مثل MobileNet)
• 18. بارگذاری مدل از فایل JSON و weight ها
• 19. پردازش تصویر با TensorFlow.js
• 20. تشخیص اشیاء در تصاویر با مدل‌های آماده
• 21. طبقه‌بندی تصاویر با مدل‌های پیش‌ساخته
• 22. پردازش متن و سری‌های زمانی با تنسورها
• 23. ایجاد مدل برای تحلیل متن ساده
• 24. کار با داده‌های CSV و JSON در TypeScript
• 25. پیش‌پردازش داده‌ها با tf.data
• 26. ایجاد pipeline داده با Dataset API
• 27. مدیریت دسته‌های داده (batch) و shuffle
• 28. نرمال‌سازی و مقیاس‌دهی داده‌ها
• 29. پیاده‌سازی شبکه عصبی پیش‌خور (Feedforward)
• 30. لایه‌های Dense و Dropout
• 31. توابع فعال‌سازی (ReLU، Sigmoid، Softmax)
• 32. شبکه عصبی کانولوشنی (CNN) برای تصاویر
• 33. لایه‌های Conv2D و MaxPooling2D
• 34. شبکه عصبی بازگشتی (RNN) برای داده‌های ترتیبی
• 35. لایه‌های LSTM و GRU
• 36. استفاده از TensorFlow.js در مرورگر
• 37. اتصال به وب‌کم و پردازش ویدیو زنده
• 38. رسم نمودارهای Loss و Accuracy با Canvas
• 39. بهینه‌سازی hyperparameter با Grid Search
• 40. جلوگیری از overfitting با Regularization
• 41. استفاده از Callback ها در آموزش مدل
• 42. EarlyStopping و ReduceLROnPlateau
• 43. مدل‌های ترکیبی و چندورودی
• 44. برش و ادغام لایه‌ها
• 45. انتقال یادگیری (Transfer Learning) با TensorFlow.js
• 46. تغییر معماری مدل‌های موجود
• 47. تشخیص دست خط با MNIST
• 48. پیش‌بینی سری زمانی با LSTM
• 49. تحلیل احساسات متن ساده
• 50. تشخیص چهره با مدل آماده
• 51. رده‌بندی صداهای ساده (اختیاری)
• 52. بهبود عملکرد با WebGL و Backend
• 53. مقایسه Backend های TensorFlow.js
• 54. مدیریت خطاها و اشکال‌زدایی در TypeScript
• 55. تست واحد برای مدل‌ها با Jest
• 56. ایجاد API ساده برای مدل در Node.js
• 57. استقرار مدل روی سرور با Express
• 58. مدیریت حافظه و performance tuning
• 59. استفاده از TensorFlow.js با React
• 60. یکپارچه‌سازی با فریمورک‌های مدرن TypeScript
• 61. محدودیت‌های TensorFlow.js در مرورگر
• 62. برنامه‌ریزی برای پروژه عملی
• 63. خلاصه و مرور نهایی