پیشنهاد فرادرس

آموزش یادگیری ماشینی و تنسورفلو - رویکرد Google Cloud

دسته بندی ها: یادگیری ماشینی (Machine Learning) ، هوش مصنوعی ، آموزش های Packtpub ، سرویس های گوگل ، آموزش تنسورفلو (TensorFlow) ، آموزش Google Cloud Platform

آیا به یادگیری ماشینی علاقه مند هستید؟ پس این دوره برای شماست! این دوره توسط متخصصان طراحی شده است تا بتوانیم دانش خود را به اشتراک بگذاریم و به شما کمک کنیم تا نظریه پیچیده، الگوریتم ها و برنامه نویسی کتابخانه ها را به شیوه ای ساده یاد بگیرید. در این دوره با تنسورها و تنسورفلو در کلود، معرفی شبکه های عصبی، یادگیری ماشینی و یادگیری عمیق، نحوه کارکرد نورون ها، آموزش شبکه های عصبی، Datalab، رگرسیون خطی، متغیرها، placeholders، پردازش تصویر، MNIST، K- Nearest، Softmax  و غیره آشنا می شوید.

سرفصل:

  • معرفی دوره
  • راه اندازی حساب GCP
  • نحوه استفاده از Cloud Shell
  • Datalab- Jupyter
  • یادگیری ماشینی
  • نمودار بلوک ML، یادگیری عمیق و شبکه های عصبی
  • درک Tensorflow
  • تنسورها
  • رگرسیون خطی
  • پردازش تصویر در TensorFlow
  • MNIST
  • شبکه عصبی در زمان واقعی، رگرسیون و XOR
  • ایجاد و ویرایش VM Instance
  • و غیره
آیا این نوشته را دوست داشتید؟
Machine Learning and Tensorflow - The Google Cloud Approach [Video] Publisher:Packtpub Author:Notez (Rent a Mind) Duration:2 hours 48 minutes

Tensors and TensorFlow
Interested in the field of machine learning? Then this course is for you! This course has been designed by experts so that we can share our knowledge and help you learn complex theory, algorithms and coding libraries in a simple way. We will walk you step-by-step into the world of machine learning. With every tutorial you will develop new skills and improve your understanding of this challenging yet lucrative field of ML. This course is fun and exciting, but at the same time we dive deep into machine ;earning. We will be covering the following topics in a well crafted way:- Tensors and TensorFlow on the Cloud - what neural networks, machine learning and deep learning really are, how neurons work and how neural networks are trained. - Datalab, linear regressions, placeholders, variables, image processing, MNIST, K- Nearest Neighbors, gradient descent, Softmax and more
Style and Approach
The course is packed with practical exercises which are based on real-life examples. So not only will you learn the theory, but you will also get some hands-on practice building your own models.
Released: Wednesday, September 5, 2018
Introduction
Introduction
Lab 1: Setting up a GCP Account
Lab 2: How to use Cloud Shell
Datalab
Let's meet Datalab- Jupyter
Machine Learning
Machine learning - The buzz word
The ML block diagram, Deep learning & neural networks
Lab: Simple Math in TensorFlow
Understanding Tensorflow
Tensors
Lab: Tensors
Linear regression – Introduction
Lab: Regression - Simple Example
Placeholders and Variables
Lab: Simple Math with Placeholders
Lab: Dealing With Variables
Image processing in TensorFlow
Lab: Dealing with Images- 1
Image as Tensors
Lab: Dealing with Images- 2
MNIST - Introduction, K- nearest neighbors algorithm
L1 Distance
Neural Network in Real Time, Learning regression and XOR
Regression in Detail
Linear regression, Gradient Descent
Logistic Regression, Logit
Activation function- Softmax, Cost function -Cross entropy, Estimators
Lab: Taxidemand – 1
Lab: Taxidemand – 2
More on Gcloud
Lab: Creating VM Instance
Lab: Editing VM instance
Lab: VM Instance via Command Line

پیشنهاد فرادرس