کتاب تسریع یادگیری ماشین با JAX: از صفر تا استادی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسریع یادگیری ماشین با JAX: از صفر تا استادی

موضوع کلی: یادگیری ماشین

موضوع میانی: بهینه‌سازی و محاسبات عددی

📋 سرفصل‌های دوره

  • 1. معرفی JAX و اکوسیستم آن
  • 2. نصب و راه‌اندازی JAX
  • 3. مفاهیم کلیدی JAX: NumPy در دنیای GPU/TPU
  • 4. آرایه‌های JAX: ساخت، دستکاری و ویژگی‌ها
  • 5. تبدیلات خودکار (Automatic Differentiation) در JAX: مقدمه‌ای
  • 6. تبدیلات خودکار: مشتق‌گیری مرتبه بالاتر
  • 7. کامپایل JAX: XLA و بهینه‌سازی کد
  • 8. استفاده از `jax.jit` برای افزایش سرعت
  • 9. مفهوم Functors و Vectorization در JAX
  • 10. برنامه‌نویسی تابعی در JAX
  • 11. مدیریت حالت (State) در JAX
  • 12. آرایه‌های چندبعدی و عملیات بر روی آن‌ها
  • 13. شاخص‌گذاری و برش آرایه‌ها در JAX
  • 14. توابع تصادفی در JAX
  • 15. ساختارهای داده JAX: PyTrees
  • 16. نگاشت (Mapping) و کاهش (Reducing) در PyTrees
  • 17. کار با داده‌های عددی ممیز شناور در JAX
  • 18. انواع داده‌های مختلف در JAX
  • 19. عملیات ریاضی پیشرفته در JAX
  • 20. حل معادلات دیفرانسیل با JAX
  • 21. بهینه‌سازی توابع با JAX: Gradient Descent
  • 22. بهینه‌سازی: الگوریتم‌های پیشرفته (Adam, RMSprop)
  • 23. ساخت شبکه‌های عصبی ساده با JAX
  • 24. استفاده از JAX برای آموزش مدل‌های خطی
  • 25. شبکه‌های عصبی عمیق با JAX
  • 26. پیاده‌سازی لایه‌های مختلف شبکه عصبی (Dense, Conv2D, RNN)
  • 27. استفاده از JAX برای آموزش مدل‌های تصویر
  • 28. آموزش مدل‌های زبانی با JAX
  • 29. مدل‌سازی بیزی با JAX
  • 30. استفاده از JAX با Flax: مقدمه‌ای
  • 31. Flax: ساخت مدل‌های عصبی با رویکرد ماژولار
  • 32. Flax: مدیریت حالت و آموزش مدل
  • 33. Flax: استفاده از Optimizerها
  • 34. JAX و Equinox: یک رویکرد متفاوت
  • 35. Equinox: تعریف مدل‌ها با استفاده از کلاس‌های پایتون
  • 36. Equinox: آموزش و ارزیابی مدل
  • 37. JAX و Haiku: شبکه‌های عصبی با تمرکز بر سادگی
  • 38. Haiku: ساخت و آموزش مدل‌ها
  • 39. JAX و Orbax: مدیریت Checkpointها و Replay
  • 40. Orbax: ذخیره و بازیابی مدل‌ها
  • 41. JAX و Trax: یک چارچوب برای مدل‌های ترانسفورمر
  • 42. Trax: ساخت مدل‌های NLP
  • 43. استفاده از JAX در محیط‌های توزیع‌شده
  • 44. JAX و TPU: آموزش مدل‌های بزرگ
  • 45. آشنایی با ابزارهای Profiling JAX
  • 46. بهینه‌سازی عملکرد JAX: نکات و ترفندها
  • 47. اشکال‌زدایی (Debugging) کدهای JAX
  • 48. ادغام JAX با سایر کتابخانه‌های پایتون
  • 49. آینده JAX و مسیر یادگیری
تگ‌ها: Equinox Flax GPU JAX machine learning Orbax TPU Trax XLA بهینه‌سازی پایتون شبکه‌های عصبی محاسبات عددی یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.