فلشکارتهای آموزشی مقدمهای بر یادگیری عمیق با TensorFlow و Keras در پایتون
🎓 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
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
تگها:
Deep Learning
Keras
TensorFlow
برنامهنویسی پایتون
پایتون
شبکههای عصبی
کتابخانه TensorFlow
هوش مصنوعی
یادگیری عمیق
یادگیری ماشین
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.