فلش‌کارت‌های آموزشی TypeScript and Machine Learning with TensorFlow.js

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره TypeScript and Machine Learning with TensorFlow.js

موضوع کلی: برنامه نویسی

موضوع میانی: تایپ اسکریپت (TypeScript)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر TypeScript و مزایای آن نسبت به JavaScript
• 2. راه‌اندازی محیط توسعه برای TypeScript و TensorFlow.js
• 3. نوع‌های پایه در TypeScript: boolean، number، string و Array
• 4. تعریف اینترفیس‌ها و type aliasها در TypeScript
• 5. توابع و پارامترهای تایپ‌شده در TypeScript
• 6. جنریک‌ها (Generics) در TypeScript: مفاهیم و کاربرد
• 7. کلاس‌ها و وراثت در TypeScript
• 8. مودول‌ها و مدیریت وابستگی‌ها در TypeScript
• 9. آشنایی با TensorFlow.js و قابلیت‌های آن
• 10. نصب و بارگذاری TensorFlow.js در پروژه TypeScript
• 11. ساخت تنسور (Tensor) و عملیات پایه روی آن
• 12. شاخص‌گذاری، تغییر شکل و برش تنسورها
• 13. عملیات ریاضی روی تنسورها: جمع، ضرب و ماتریس
• 14. مفهوم گراف محاسباتی و اجرای مشتقات خودکار
• 15. خطایابی و دیباگ کدهای TensorFlow.js در TypeScript
• 16. مدل‌سازی خطی با TensorFlow.js: رگرسیون ساده
• 17. پیاده‌سازی Gradient Descent از پایه در TypeScript
• 18. استفاده از بهینه‌سازهای داخلی TensorFlow.js
• 19. تنظیم نرخ یادگیری و پارامترهای بهینه‌سازی
• 20. معرفی لایه‌های شبکه عصبی در TensorFlow.js
• 21. ساخت مدل دنباله‌ای (Sequential) با لایه‌های Dense
• 22. آموزش مدل با fit و تنظیم epochs و batch size
• 23. ارزیابی مدل با متد evaluate و پیش‌بینی با predict
• 24. طبقه‌بندی تصاویر ساده با شبکه عصبی در TensorFlow.js
• 25. معرفی تنسورفلو جی اس برای پردازش متن
• 26. توکن‌سازی و تبدیل متن به تنسور
• 27. شبکه‌های بازگشتی (RNN) و LSTM در TensorFlow.js
• 28. مدل‌سازی دنباله‌ای برای پیش‌بینی متن
• 29. استفاده از Embedding لایه برای کلمات
• 30. معرفی و کاربرد Dropout برای جلوگیری از overfitting
• 31. نرمال‌سازی داده‌ها قبل از آموزش مدل
• 32. ذخیره و بارگذاری مدل‌های TensorFlow.js
• 33. تبدیل مدل آموزش‌دیده به فرمت TensorFlow.js
• 34. استفاده از مدل‌های از پیش آموزش‌دیده در مرورگر
• 35. تشخیص اشیاء با TensorFlow.js و مدل‌های آماده
• 36. پردازش ویدئو در مرورگر با TensorFlow.js
• 37. طبقه‌بندی صدا با شبکه عصبی در TensorFlow.js
• 38. معرفی و کاربرد TensorFlow.js در Node.js
• 39. مدیریت حافظه و تنسورهای موقتی در TensorFlow.js
• 40. بهبود عملکرد با WebGL و backendهای TensorFlow.js
• 41. اشکال‌زدایی عملکرد مدل با tf.profiler
• 42. ایجاد pipeline داده سفارشی با tf.data
• 43. افزایش داده (Data Augmentation) برای تصاویر
• 44. انتقال یادگیری (Transfer Learning) با TensorFlow.js
• 45. مدل‌سازی چندورودی و چندخروجی در TensorFlow.js
• 46. شبکه‌های کانولوشنی (CNN) برای طبقه‌بندی تصاویر
• 47. معرفی TensorFlow.js Layers API
• 48. پیاده‌سازی Autoencoder با TensorFlow.js
• 49. شبکه‌های مولد تخاصمی (GAN) ساده در TensorFlow.js
• 50. بهینه‌سازی هایپرپارامترها در TypeScript
• 51. یکپارچه‌سازی TensorFlow.js با فریم‌ورک‌های UI
• 52. تست واحد برای مدل‌های TensorFlow.js در TypeScript
• 53. نوشتن توابع سفارشی Loss و Metric در TensorFlow.js
• 54. مدل‌سازی با TensorFlow.js در محیط Node.js و فایل‌سیستم
• 55. تبدیل داده‌های CSV به تنسور برای آموزش
• 56. مدل‌سازی سری‌های زمانی با TensorFlow.js
• 57. کاهش ابعاد داده با PCA در TensorFlow.js
• 58. خوشه‌بندی با K-Means در TensorFlow.js
• 59. معرفی TensorFlow.js برای یادگیری تقویتی (Reinforcement Learning) ساده
• 60. ایجاد یک پروژه کامل TypeScript و TensorFlow.js از صفر