هل أعجبتك المعاينة؟
هذا هو الدرس الأول المجاني. احصل على وصول كامل — اطلب عرضًا تجريبيًا أو سجّل الدخول.
TensorFlow للمبتدئين: ما هو TensorFlow؟
اكتشف أساسيات TensorFlow وتطبيقات التعلم العميقشاهد الدرس الأول مجانًا — احصل على وصول كامل إلى جميع الدروس الـ3.
مبتدئ مقدِّم الخدمة : Josh Turner 3 الدروس · 15m باللغات: العربية, الألمانية, الإنجليزية, الإسبانية, الفرنسية, البرتغالية, Chinese
وصف الدورة
TensorFlow هي مكتبة برامج شهيرة مفتوحة المصدر للتعلم العميق وتستخدم على نطاق واسع في تطبيقات التعلم الآلي. في هذه الدروس، ستتعرف على تقسيم التدريب/التحقق من الصحة الأكثر شيوعًا وأهمية الحفاظ على التوازن بين المجموعتين. سوف تكتشف أيضًا إحدى تقنيات المعالجة المسبقة التي توفرها TensorFlow للصور، وهو أمر بالغ الأهمية لتحسين دقة النموذج. بالإضافة إلى ذلك، سوف تستكشف استخدام البيانات المختلطة في التدريب، وما إذا كان من المستحسن مزجها مع تقسيم التحقق من صحة التدريب.
المضي قدمًا، سوف نتعلم بمزيد من التفاصيل أساسيات الطبقات المسطحة والكثيفة في Tensorflow. تقوم الطبقة المسطحة بإعادة تشكيل بيانات الإدخال في مصفوفة أحادية الأبعاد، بينما تربط الطبقة الكثيفة جميع الخلايا العصبية من الطبقة السابقة إلى التالية. سوف تتعلم أيضًا عن فئة النماذج المستخدمة في TensorFlowوهي أداة أساسية لبناء نماذج التعلم العميق.
بشكل عام، سوف تكتسب نظرة ثاقبة على أنواع مختلفة من المشكلات في الرؤية والصوت التي يمكن أن يحلها TensorFlow. سوف تكتشف أهمية التدريب على مجموعة اختبار منفصلة، ولماذا لا ينصح بالتدريب على بيانات الاختبار.
ما ستتعلمه
- فهم التقسيم الأكثر شيوعاً لبيانات التدريب والتحقق وأهمية تحقيق التوازن بين المجموعتين
- تطبيق تقنية المعالجة المسبقة للصور في TensorFlow لتحسين دقة النموذج
- تقييم استخدام البيانات العشوائية في التدريب وما إذا كان يجب خلطها مع تقسيم التدريب/التحقق
- استكشاف طبقتي flatten و dense في TensorFlow وكيفية إعادة تشكيلهما للبيانات وربطها
- بناء نماذج التعلم العميق باستخدام فئة النموذج في TensorFlow
- تحديد أنواع مشكلات الرؤية والصوت التي يمكن لـ TensorFlow حلها
النقاط الرئيسية
- يعد TensorFlow مكتبة برمجية مفتوحة المصدر وشائعة للتعلم العميق وتُستخدم على نطاق واسع في تطبيقات تعلم الآلة.
- يعد الحفاظ على التوازن بين مجموعتي التدريب والتحقق أمراً مهماً عند تقسيم البيانات.
- تعيد طبقة flatten تشكيل بيانات الإدخال إلى مصفوفة أحادية البعد، بينما تربط طبقة dense جميع الخلايا العصبية من الطبقة السابقة بالطبقة التالية.
- تعد فئة النموذج أداة أساسية لبناء نماذج التعلم العميق في TensorFlow.
- يجب إجراء التدريب على مجموعة اختبار منفصلة، ولا يُنصح بالتدريب على بيانات الاختبار.
الأسئلة الشائعة
ما هو TensorFlow وفقاً لهذا المسار؟
يعد TensorFlow مكتبة برمجية مفتوحة المصدر وشائعة للتعلم العميق وتُستخدم على نطاق واسع في تطبيقات تعلم الآلة.
ما هي الموضوعات التي يغطيها هذا المسار؟
يغطي المسار التقسيم الشائع للتدريب/التحقق، وتقنية المعالجة المسبقة للصور في TensorFlow، واستخدام البيانات العشوائية في التدريب، وطبقتي flatten و dense، وفئة نموذج TensorFlow، وأنواع مشكلات الرؤية والصوت التي يمكن لـ TensorFlow حلها.
ما هي المهارات التي سأكتسبها من هذا المسار؟
ستكتسب مهارات في التعلم العميق، وأساليب التعلم العميق، وتدريب نماذج تعلم الآلة، و TensorFlow، ومجموعات بيانات التدريب، وتعلم نقل المعرفة.
ما هي الدروس المتضمنة؟
يتضمن المسار دروس بيانات TensorFlow والمعالجة المسبقة للبيانات، ونماذج TensorFlow، والأدوات المهنية.
لماذا لا ينبغي لي التدريب على بيانات الاختبار؟
يوضح المسار أهمية التدريب على مجموعة اختبار منفصلة ولماذا لا يُنصح بالتدريب على بيانات الاختبار.
