اکسپرس 24
کتاب Typescript: استفاده از TensorFlow.js

کتاب Typescript: استفاده از TensorFlow.js

تگ‌ها: TensorFlow.js TypeScript پردازش داده تشخیص تصویر جاوااسکریپت شبکه عصبی هوش مصنوعی یادگیری ماشین

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.