فیلم آموزش جامع گوگل کولب(Google Colaboratory) و مهندسی علم داده

قیمت دوره

رایگان

توضیحات

فیلم آموزش جامع گوگل کولب(Google Colaboratory) و مهندسی علم داده

موارد ارائه شده

در این آموزش گوگل کولب یا Google Colaboratory به صورت گام به گام به صورت جامع آموزش داده می شود. بعد این آموزش شما به راحتی میتوانید در محیط گوگل کولب کد نویسی کنید و همچنین این آموزش حول محور کد نویسی پایتون،مستند سازی پیشرفته، یادگیری ماشین، یادگیری عمیق، علم داده در محیط کولب است. لطفا برای سرفصل ها آموزش به پایین صفحه مراجعه کنید

گوگل کولب یا Google Colaboratory  یکی از سرویس های قدرتمند و رایگان شرکت گوگل است که به اختصار “Colab” نیز نامیده می شود. Colab به هر کس این اجازه را میدهد که تا کد پایتون (python) را بر روی مرورگر در محیط Jupyter بر روی یک سیستم ابری کد نویسی کند و به راحتی اجرا کند. Colab نیاز به تنظیمات خاصی ندارد، یک کاربر معمولی به راحتی میتواند کد خود را بر روی آن بنویسد و به اجرا بگذارد.

Colab برای پیاده سازی روش های یادگیری ماشین، شبکه های عصبی عمیق، تجزیه تحلیل داده ها، مهندسی علم داده و….مناسب است. این موارد به این دلیل است که  Colab که دسترسی رایگان به منابع محاسباتی از جمله GPU ، RAM… را فراهم می کند. در اینجا به صورت مختصر ویژگی های کولب آورده شده است.

  • به زبان پایتون به راحتی کد بنویسید و آن را اجرا کنید.
  • این محیط از معادلات ریاضی پشتیبانی می کند و به راحتی فرمول و معادلات را مستند سازی کنید(دقیقا مثل یک کتاب آنلاین).
  • ایجاد|آپلود|اشتراک گذاری نوت بوک یا پروژه های در محیط Jupyter
  • ارتباط مستقیم با Google Drive و ذخیره سازی آسان
  • وارد کردن مجموعه داده های مختلف از سایت مطرحی مانند Kaggle
  • پشتیبانی از فریمورک های قدرتمندی مانند PyTorch، TensorFlow، Keras، OpenCV
  • یک سرویس ابری یا یک سیستم کامل رایگان برای کدنویسی پایتون
  • منابع محاسباتی رایگان از جمله GPU برای پردازش های سنگین
  • و….

سر فصل های این دروه به شرح زیر می باشد:

  • فصل یکم: معرفی محیط کولب
    • درس یکم:  محیط کولب و تنظیمات ظاهری آن
    • درس دوم:  کدنویسی اولیه در محیط کولب
    • درس سوم: مستندسازی اولیه در محیط کولب
  • فصل دوم: کار با محیط کولب به صورت پیشرفته
    • درس چهارم: مستند سازی پیشرفته با کولب(متن، فرمول نویسی، عکس گذاری، جدول)
    • درس پنجم: خواندن مجموعه داده به صورت اکسل، csv…
    • درس ششم: رسم نمودارهای سه بعدی و دو بعدی در محیط کولب(محور مهندسی علم داده)
    • درس هفتم: اتصال گوگل داریو و خواندن مجموعه داده از گوگل داریو
    • درس هشتم: کار با فایل های rar,zip,tar در کولب
    • درس نهم: دانلود و آپلود مجموعه داده های مختلف در کولب به صورت مستقیم و غیر مستقیم
    • درس دهم: طراحی و نمایش گرافیکی شبکه های عصبی عمیق مبتنی بر TensorFlow در کولب
    • درس یازدهم: تنظیم GPU تست شبکه عمیق با GPU و بدون GPU

فیلم آموزش جامع الگوریتم بهینه ساز شاهین هریس و پیاده سازی کامل در متلب و پایتون

 

توضیح جامع الگوریتم بهینه ساز گرگ خاکستری + فایل word+ کد متلب رایگان

 

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “فیلم آموزش جامع گوگل کولب(Google Colaboratory) و مهندسی علم داده”

نشانی ایمیل شما منتشر نخواهد شد.