Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 Udacityبرگزار می‌کند:آموزش رایگان مقدمه‌ای برTensorFlow Lite

Udacityبرگزار می‌کند:آموزش رایگان مقدمه‌ای برTensorFlow Lite

«آموزش رایگان مقدمه‌ای بر TensorFlow Lite» به شما نحوه استقرار مدل‌های یادگیری عمیق را در دستگاه‌های تلفن ‌همراه و جاسازی شده می‌آموزد. این دوره توسط تیم TensorFlow و Udacity به‌عنوان یک رویکرد عملی، به‌منظور استقرار مدل برای توسعه‌دهندگان نرم‌افزار تهیه گردیده است. با استقرار مدل‌های یادگیری عمیق در Android،iOS  و حتی پلتفرم لینوکس، شما تجربه عملی با چارچوب TensorFlow Lite به‌ دست‌ خواهید ‌آورد. در ‌پایان این دوره، شما تمام مهارت‌های لازم به‌منظور شروع به‌کارگیری مدل‌های یادگیری عمیق را در برنامه‌های خود به ‌دست آورده‌اید.

درباره دوره «آموزش رایگان مقدمه‌ای بر TensorFlow Lite»

به گزارش هوشیو، یادگیری عمیق باعث پیشرفت در هوش مصنوعی می‌شود، که در‌نهایت دنیای ما را تغییر خواهد داد. شما می‌توانید از این دوره رایگان برای ایجاد و استفاده از شبکه‌های عصبی عمیق، به‌منظور ایجاد راه‌حل‌های شگفت‌انگیز برای چالش‌های مهم‌تان بهره‌مند شوید. با کمک این آموزش همچنین می‌توانید، مجموعه مهارت‌های خود را افزایش داده و قابلیت استخدام خود را از‌طریق یادگیری خلاقانه و مستقل افزایش دهید.

با TensorFlow Lite، تیم Google TensorFlow تکامل بعدی چارچوب یادگیری عمیق TensorFlow را معرفی کرده، که به‌طور خاص برای فعال‌ کردن یادگیری ماشین با تأخیر کم، در دستگاه‌های تلفن‌ همراه و جاسازی‌شده طراحی گردیده است. این دوره به‌عنوان یک رویکرد عملی، به‌منظور استقرار مدل برای توسعه‌دهندگان نرم‌افزار ایجاد ‌شده و تجربه عملی در استقرار مدل‌های یادگیری عمیق در اندروید، iOS و حتی پلتفرم لینوکس را ارائه می‌دهد. شما همین امروز می‌توانید آموزش‌های این دوره همگام شوید تا با روش‌های پیشرفته یادگیری ماشین آشنا شوید. پس از پشت‌سر گذاشتن این دوره 2 ماهه شما با TensorFlow Lite، نحوه استقرار مدل‌های یادگیری عمیق را در دستگاه‌های تلفن‌ همراه و جاسازی‌شده خواهید آموخت.

درباره دوره «آموزش رایگان مقدمه‌ای بر TensorFlow Lite»

پیش‌نیازها و الزامات استفاده از دوره

پیش‌نیازهای عمومی استفاده از «آموزش رایگان مقدمه‌ای بر TensorFlow Lite» عبارتند از: آشنایی با چارچوب TensorFlow Lite و برنامه‌نویسی شیءگرا، پایتون، سوئیفت، اندروید و یادگیری ماشین. ضمنا ازآنجایی که محتوای آموزشی این دوره به‌زبان انگلیسی ارائه می‌شود، تسلط بر این زبان جهت درک مفاهیم و آموزش‌های دوره مذکور جزو ضروریات خواهد بود.

توجه داشته باشید، به دلیل تحریم‌های بین‌المللی علیه ایران، چنانچه علاقه‌مند به برخورداری از محتوای آموزشی این دوره هستید، تنها از طریق وی‌پی‌ان می‌توانید به این آموزش رایگان دسترسی پیدا کنید.

آنچه در این دوره خواهید آموخت

«آموزش رایگان مقدمه‌ای بر TensorFlow Lite» شامل 4 درس بوده، که در درس اول دوره تحت‌عنوان «مقدمه‌ای بر TensorFlow Lite» شما با نحوه عملکرد TensorFlow در زیر کاپوت آشنا خواهید ‌شد. ضمن این درس شما همچنین می‌توانید بیاموزید چگونه مدل‌ها را کوانتیزه کنید یا آنکه چگونه مدل‌های TF Lite خود را در پایتون آزمایش نمایید.

درس دوم با‌عنوان « TensorFlow Liteدر اندروید» بوده، که در آن شما می‌توانید یک مدل TF Lite را در یک برنامه اندرویدی که تصاویر گربه‌ها و سگ‌ها را طبقه‌بندی می‌کند، مستقر کنید یا مدل TF Lite را در برنامه اندرویدی که تصاویر اشیاء مختلف را طبقه‌بندی می‌کند، مستقر نمایید. همچنین با کمک مفاهیم این درس می‌توانید یک مدل TF Lite را در یک برنامه اندرویدی که تشخیص اشیا را انجام می‌دهد، مستقر نمایید یا یک مدل TF Lite را در برنامه اندرویدی که دستورات گفتاری را تشخیص می‌دهد، مستقر کنید.

آنچه در این دوره خواهید آموخت

عنوان محتوای آموزشی درس سوم « TensorFlow Liteدر سوئیفت» بوده و به کمک آموزش‌های آن شما قادر خواهید بود یک مدل TF Lite  را در یک برنامه iOS که تصاویر گربه‌ها و سگ‌ها را طبقه‌بندی می‌کند، مستقر کنید یا یک مدل TF Lite را در یک برنامه iOS  که تصاویر اشیاء مختلف را طبقه‌بندی می‌کند، مستقر نمایید. شما همچنین می‌توانید با‌ کمک آموزش‌های این درس یک مدل TF Lite  را در یک برنامه iOS که تشخیص اشیا را انجام می‌دهد، مستقر کنید یا یک مدل TF Lite را در یک برنامه iOS که دستورات گفتاری را تشخیص می‌دهد، مستقر نمایید.

عنوان درس چهارم « TensorFlow Liteدر اینترنت اشیا» که شامل این موارد است: استقرار یک مدل TF Lite در یک پلتفرم تعبیه‌شده لینوکس که تصاویر گربه‌ها و سگ‌ها را طبقه‌بندی می‌کند، مستقر کردن یک مدل TF Lite در یک پلتفرم جاسازی‌شده لینوکس که تصاویر اشیاء مختلف را طبقه‌بندی می‌کند و استقرار یک مدل TF Lite در یک پلتفرم جاسازی شده لینوکس که تشخیص اشیا را انجام می‌دهد.

آشنایی با استادان دوره

دو تن از استادان دوره «آموزش رایگان مقدمه‌ای بر TensorFlow Lite» با نام‌های Daniel Situnayake و Paige Bailey هر دو حامی توسعه‌دهنده گوگل هستند. Juan Delgado حامی توسعه‌دهنده اوداسیتی بوده‌، که در این دوره به‌عنوان استاد حضور داشته و به ارائه مفاهیم سرفصل‌ها می‌پردازند.

آشنایی با برگزار‌کننده دوره

Udacity یک سایت برگزار‌کننده دوره‌های آنلاین برنامه‌نویسی بوده، که باهدف آماده‌سازی افراد برای کسب موفقیت شغلی، در یکی از زمینه‌های مرتبط با فناوری راه‌اندازی گردیده است. اغلب دوره‌های کدنویسی رایگان Udacity، در‌‌واقع مقدمه‌ اولیه‌ای هستند برای شروع یادگیری برنامه‌نویسی، بنابراین این مرجع گزینه بسیار مناسبی است که از‌طریق آن می‌توانید، اصول اولیه را در حوزه برنامه‌نویسی بیاموزید.

آخرین اخبار و رویدادهای هوش مصنوعی را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.