المحتوى
- مقدمة في Tensorflow للتعلم الآلي والتعلم العميق (مقدمة من deeplearning.ai)
- No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
- Tensorflow في الممارسة العملية للتعلم (مقدمة من deeplearning.ai)
- الشبكات العصبية التلافيفية و Tensorflow (مقدمة من deeplearning.ai)
- فهم الصورة مع Tensorflow على برنامج شركاء Google المعتمدون (مقدم من Google Cloud Platform)
- التعلم بدون استخدام الخوادم مع Tensorflow على Google Cloud Platform (مقدمة من Google Cloud Platform)
- معالجة اللغة الطبيعية باستخدام Tensorflow (مقدمة من deeplearning.ai)
- خاتمة
يبعد:
Tensorflow هي واحدة من المكتبات المفتوحة المصدر المفضلة لدى مهندس ML لتمثيل وظائف التعليمات البرمجية المشاركة في ML ، وتصور العمليات الرياضية المستخدمة في الشبكات العصبية وغيرها من إعدادات ML.
تعد Tensorflow واحدة من المكتبات المفتوحة المصدر المفضلة لمهندس التعلم الآلي لتمثيل وظائف التعليمات البرمجية المشاركة في ML ، وتصور العمليات الرياضية المستخدمة في الشبكات العصبية وغيرها من إعدادات ML.
فيما يلي ست دورات تدريبية متاحة على بوابة Coursera التعليمية التي توجه الطلاب نحو فهم أكمل لبيئة Tensorflow.
- مقدمة في Tensorflow للتعلم الآلي والتعلم العميق (مقدمة من deeplearning.ai)
- Tensorflow في الممارسة العملية للتعلم (مقدمة من deeplearning.ai)
- الشبكات العصبية التلافيفية و Tensorflow (مقدمة من deeplearning.ai)
- فهم الصورة مع Tensorflow على برنامج شركاء Google المعتمدون (مقدم من Google Cloud Platform)
- التعلم بدون استخدام الخوادم مع Tensorflow على Google Cloud Platform (مقدمة من Google Cloud Platform)
- معالجة اللغة الطبيعية باستخدام Tensorflow (مقدمة من deeplearning.ai)
مقدمة في Tensorflow للتعلم الآلي والتعلم العميق (مقدمة من deeplearning.ai)
تساعد هذه الدورة الطلاب على فهم كيفية إنشاء خوارزميات قابلة للتطوير ، وكيف يعمل التعلم العميق. الشبكات العصبية هي أحد محاور هذه الدورة المتنوعة التي تستخدم بعض المعرفة من المتخصص أندرو نغ لإظهار مبادئ Tensorflow الطلاب في العمل.
هذه دورة متوسطة المستوى عبر الإنترنت بنسبة 100٪ وتستغرق حوالي ثماني ساعات لإكمالها ، مع إطار زمني مقترح مدته أربعة أسابيع.
سيتعلم الطلاب تدريب شبكة عصبية لرؤية الكمبيوتر وتعلم أفضل الممارسات في Tensorflow وتعلم فهم الشبكات العصبية التلافيفية وبناء شبكة عصبية أساسية مع Tensorflow.
دليل شامل لهذا النوع من التصور والتعامل مع مكونات التعلم الآلي.
No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
لا يمكنك تحسين مهارات البرمجة لديك عندما لا يهتم أحد بجودة البرنامج.
Tensorflow في الممارسة العملية للتعلم (مقدمة من deeplearning.ai)
تساعد أربع وحدات الطلاب على استكشاف تطبيقات الذكاء الاصطناعي (AI) وكيفية صنعها. يُعد بناء الشبكات العصبية وتدريبها جزءًا من هذا المنهج ، وسوف يتعلم الطلاب استخدام التلفيق في معالجة الصور ، من أجل تسهيل إمكانيات التعرف والتصنيف المتطورة.
يمكن للطلاب إلقاء نظرة مباشرة على كيفية تعلم الآلات للمعالجة وكيف تتعامل الشبكات العصبية مع بيانات الإدخال.
العناصر العملية - ستوضح الدورة كيفية عمل هذه الأنواع من التقنيات في العالم الحقيقي. تستغرق هذه الدورة التدريبية عبر الإنترنت حوالي شهر لإكمالها وهي دورة متوسطة المستوى.
الشبكات العصبية التلافيفية و Tensorflow (مقدمة من deeplearning.ai)
تركز هذه الدورة على وجه التحديد على الشبكة العصبية التلافيفية ، والتي هي نوع معين من المفاهيم في عالم التعلم الآلي. إن CNN ، كما يطلق عليها ، تتعامل مع معالجة الصور من خلال استخدام طبقات متعددة داخل الشبكة العصبية.
تُستخدم تقنيات مثل التنصت والحشو لتصفية الصور ومسحها ، ويتم نقل المعلومات عبر النظام لتدريب الكمبيوتر في نهاية المطاف على التعرف على الكائنات أو الجوانب الأخرى للصورة.
سيتعرف الطلاب على كيفية "رؤية" الكمبيوتر ، وما هي العمليات المحددة التي تؤدي إلى مهام معالجة الصور وتحديدها بشكل فعال.
سيتعرف الطلاب على العديد من المشكلات ، مثل فقدان الحبكة والتركيب والإسقاط في البحث عن أفضل الممارسات في بناء قدرات CNN والحفاظ عليها للتعرف على الوجه وتطوير المنتجات والمزيد.
سيكون نقل التعلم أيضًا جزءًا من هذا المنهج ، وسوف يتعلم الطلاب المزيد حول استخراج الميزات واختيار المعالم كمكون من عناصر الأبعاد الناجحة.
هذه الدورة التدريبية للمستوى المتوسط متوفرة عبر الإنترنت وتستغرق حوالي سبع ساعات لإكمالها مع إطار زمني مقترح مدته أربعة أسابيع.
فهم الصورة مع Tensorflow على برنامج شركاء Google المعتمدون (مقدم من Google Cloud Platform)
تم تصميم دورة التعلم الآلي المتقدمة هذه خصيصًا مع وضع Google Cloud في الاعتبار. لقد كانت هذه البيئة الأفضل بالنسبة للعديد من المطورين الذين يقومون بصياغة أحدث وأفضل برامج ML.
ستوضح هذه الدورة للطلاب استراتيجيات مختلفة لتجميع مصنفات الصور وستساعدهم على فهم بنى الشبكة العصبية التلافيفية. يعد استخراج الميزات واختيارها جزءًا من محور هذه الدورة ، وسيحصل الطلاب على تدريب حول كيفية منع التجاوزات والمشاكل ذات الصلة.
تتطلب المكونات العملية معرفة لغة SQL الأساسية و Python و Tensorflow.
هذه الدورة التدريبية 100٪ عبر الإنترنت بمستوى متقدم وتستغرق 11 ساعة لإكمالها باستثمار الوقت المقترح من 5 إلى 7 ساعات في الأسبوع.
التعلم بدون استخدام الخوادم مع Tensorflow على Google Cloud Platform (مقدمة من Google Cloud Platform)
تستخدم هذه الدورة التدريبية أيضًا فكرة العمل مع Tensorflow على Google Cloud Platform ، ولكنها تضيف فكرة الحوسبة بدون خادم لتصور التعلم الآلي في نوع مختلف من البيئة.
في الحوسبة بدون خادم ، تم تصميم الوظائف للتسليم حسب الحاجة. ستتحدث هذه الدورة التدريبية عن حالات الاستخدام لهذا النوع من الإعداد ، وستسمح للطلاب بالمشاركة في بناء نموذج Tensorflow ML. هناك تركيز على قابلية التوسع والنشر مع فهم ميزات المعالجة المسبقة وكيفية تطوير نماذج ML بقدرة افتراضية فعالة.
هذه الدورة التدريبية للمستوى المتوسط متوفرة عبر الإنترنت وتستغرق 12 ساعة لإكمالها ، مع إطار زمني مقترح مدته أسبوع واحد.
معالجة اللغة الطبيعية باستخدام Tensorflow (مقدمة من deeplearning.ai)
أحد أكثر تطبيقات Tensorflow شعبية وأدوات التعلم الآلي الأخرى هو ممارسة معالجة اللغة الطبيعية (NLP).
ستعرف هذه الدورة الطلاب على بعض مكونات NLP المتعلقة بوضع علامات على وحدات الكلام وغيرها من التقنيات التي تساعد الشبكات العصبية على بناء نماذج تنبؤية هيكلية. استفاد برنامج البرمجة اللغوية العصبية NLP كثيرًا من ML ، ويمكن للطلاب الاستفادة من رؤية كيفية عمل هذه التقنيات بشكل مباشر.
مع الدراسة العملية ، سيقوم الطلاب بمعالجة مشاكل العالم الحقيقي مثل كيفية تطبيق الشبكات العصبية المتكررة و LSTMs في Tensorflow وكيفية معالجة باستخدام رمزية وناقلات.
هذه الدورة عبارة عن دورة متوسطة المستوى على الإنترنت بنسبة 100٪ تستغرق تسع ساعات لإكمالها مع إطار زمني مقترح مدته أربعة أسابيع.
خاتمة
استخدم أيًا من فرص التعلم المبتكرة هذه للتواصل بشكل أفضل مع الصواميل والمسامير الملولبة من خلال فهم ليس فقط المصطلحات ، ولكن بنيات الأنظمة التي عملت بشكل شائع باستخدام Tensorflow.