Sylenth یک پلاگین سینتی سایزر مجازی قدرتمند است که تولیدکنندگان موسیقی در سراسر جهان از آن برای ایجاد مناظر صوتی شگفت انگیز استفاده می کنند. در این دوره، Nate Mars برخی از ویژگی‌های اولیه و همچنین پیشرفته Sylenth را نشان می‌دهد و در طول مسیر به مفاهیم ترکیبی می‌پردازد. او کار با رابط Sylenth، ایجاد صدا با چهار نوسانگر پلاگین، کار با پنل Misc Mod و چرخ Mod و شخصی سازی صداها با افزودن افکت های قدرتمند را پوشش می دهد. برای جمع بندی، نیت نشان می دهد که چگونه می توان صداهای خاص را از ابتدا تولید کرد - یعنی ضربه زدن به طبل، ارگ و سرب مصنوعی.

سیناترا یک کتابخانه نرم افزاری وب سبک و زبان مخصوص دامنه است که جایگزین سریعتر و ساده تری برای چارچوب های Ruby مانند Ruby on Rails می کند. در این دوره آموزشی، نحوه ساخت سریع برنامه های وب با سیناترا را بیاموزید. کوین اسکوگلند نحوه تعریف مسیرها، رندر قالب‌های حاوی داده‌های پویا و استفاده از قالب‌ها و طرح‌بندی‌های جزئی برای ایجاد کد قابل استفاده مجدد را توضیح می‌دهد. به علاوه، او نحوه استفاده از کوکی‌ها، جلسات و فیلترها را توضیح می‌دهد و تکنیک‌های مفیدی را به اشتراک می‌گذارد که می‌توانید در پروژه‌های سیناترا خود از آنها استفاده کنید.

 

Cinema 4D یک نرم‌افزار سه بعدی بسیار محبوب است که توسط Maxon توسعه یافته است و در سراسر جهان برای ایجاد موشن گرافیک، جلوه‌های بصری، رندرهای محصول، تجسم‌های پزشکی و معماری استفاده می‌شود. در این دوره، مربی اندی نیدهام به شما کمک می‌کند پایه‌ای محکم از نحوه عملکرد Cinema 4D بسازید، بنابراین می‌توانید با اعتماد به نفس پروژه‌های چالش‌برانگیزتری را انجام دهید. اندی چندین مفهوم کلیدی را معرفی می‌کند، از جمله طرح‌بندی استاندارد، پیمایش مؤثر در نمای سه‌بعدی، جابجایی اشیاء به صورت سه بعدی و سلسله‌مراتب شی. او اشیاء پارامتریک و ویژگی‌های آن‌ها را پوشش می‌دهد، همچنین اشیا را با تغییر شکل‌دهنده‌ها، کار با ژنراتورها، و ذخیره کار شما و ساختار فایل Cinema 4D را پوشش می‌دهد. اندی شما را در کار با دوربین ها، مواد و نورها راهنمایی می کند. به علاوه، او به اصول رندر مانند تنظیمات رندر رایج و نحوه ایجاد رندرهای پیش نمایش و رندرهای نهایی می پردازد.

توجه: این دوره توسط اندی نیدهام ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

شعله ور شدن لنز در همه جا وجود دارد. آنها در تبلیغات و تبلیغات، برنامه های تلویزیونی و فیلم های بلند حضور دارند. و بیشتر اوقات، آن شراره ها با افزونه Optical Flares برای افترافکت ایجاد می شدند.

rnrn پس از بررسی نحوه عملکرد شعله‌های لنز واقعی در دنیای واقعی، ویژگی‌های اصلی و تنظیمات پیش‌فرض مورد نیاز برای ایجاد شعله‌های لنز حرفه‌ای را بررسی خواهید کرد. چاد همچنین به شما نگاهی به ادغام این شعله‌ها با محیط‌های سه‌بعدی در After Effects می‌دهد، و همچنین نحوه ایجاد شراره‌های سفارشی خود را از ابتدا به شما می‌دهد. بعلاوه، یاد بگیرید که چگونه انیمیشن اضافه کنید، شعله های تیره را با لایه ها پنهان کنید، شعله های برق را به صورت پویا فعال کنید، و از آنها در سناریوهای واقعی مانند موشن گرافیک، یک سوم پایین تر و عکس های زیبایی استفاده کنید.

rnrn مفتخریم که این محتوا را در کتابخانه خود میزبانی کنیم.

یاد بگیرید که چگونه از ترکیب قدرتمند نرم افزار/سخت افزار UAD-2 و Apollo از Universal Audio برای مخلوط کردن آهنگ ها و شبیه سازی صداهای آنالوگ کلاسیک استفاده کنید. J. Scott Giaquinta نشان می دهد که چگونه می توان سیستم آپولو را به کامپیوتر و DAW متصل کرد، در رابط UAD حرکت کرد و با ویژگی هایی مانند UAD Meter، ردیابی Unison و wordclocking کار کرد. سپس به عمق پلاگین‌های اصلی، از جمله تقویت‌کننده‌های 1176 و LA-2A، و همچنین کمپرسورها، اکولایزرها، جلوه‌های تاخیر و مدولاسیون، واحدهای پردازش ویژه و ریورب‌ها می‌پردازد که صداهای کلاسیک Universal Audio را به بهترین صداهای دیجیتال امروزی تبدیل می‌کنند. دنیای صوتی

 در دنیای غنی از محتوای امروز ، درک چگونگی استفاده از صدا به طور مؤثر می تواند تفاوت بین محتوایی باشد که به گذشته و محتوایی که بینندگان را در آهنگ های خود متوقف می کند ، می شود. طراحی صدا متفکر می تواند کار شما را به شکلی که هرگز تصور نمی کردید متمایز کند. صدا فقط یک مهارت فنی نیست - این یک زبان قصه گویی قدرتمند است که می تواند واقعیت را تقویت کند و دید خلاق شما را به زندگی منتقل کند. در این دوره دوستانه مبتدی ، طراحی شده توسط Skillshare ، کشف کنید که چگونه از صدا به عنوان یک زبان خلاق برای تقویت واقعیت استفاده کنید ، توجه مخاطبان خود را به خود جلب کنید ، داستان های بهتری بگویید و دیدگاه خود را به زندگی بیاورید. شما به تجهیزات فانتزی احتیاج ندارید - یک ضبط کننده اصلی یا حتی تلفن شما انجام خواهد داد. در طول راه ، بررسی کنید که چگونه گزینه های صوتی ساده می توانند روحیه ، معنی و تأثیر فیلم های شما را به طرز چشمگیری تغییر دهند.

 

ترکیدن کد به طراحی عالی با پایه و اساس محکم اصول اصلی بسیار ساده تر است. در این دوره ، طراحان الن لوپتون و جنیفر کول فیلیپس شما را از طریق پنج اصل اساسی طراحی گرافیک راهنمایی می کنند ، مناسب برای استفاده در طیف گسترده ای از پروژه ها با استفاده از تصاویر و نوع: طراحی خلاق ، مواد بازاریابی و حتی عکاسی. این دروس شامل هر دو نمونه و تظاهرات است که به شما پایه ای می دهد تا طراحی الهام بخش و کاربردی ایجاد کنید. بیاموزید که چگونه 5 اصل طراحی اساسی را شناسایی و تعریف کنید ، کار خود را برای اثربخشی و تعادل نقد کنید و از هر مفهوم اصلی در پروژه های آینده استفاده کنید.

این دوره توسط SkillShare ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

با این 18 تکنیک طراحی ساده که توسط جان مک وید، موسس و مدیر خلاق مجله Before & After برای شما آورده شده است، یک دوره تجدید خلاقانه را با این 18 تکنیک طراحی ساده که فوراً چیدمان های شما را بهبود می بخشد، بگذرانید. این آموزش‌ها آموزش در مورد موضوعاتی مانند طرح‌های بدون گرافیک، برش شدید، نوع بزرگ و کوچک، طراحی لوگو و موارد دیگر را با سبک یادگیری بصری متمایز جان ترکیب می‌کنند.

این دوره توسط تیم مجله Before & After ایجاد و تولید شده است. مفتخریم که این محتوا را در کتابخانه خود میزبانی کنیم.

ظاهر ممکن است همه چیز نباشد، اما اینکه یک چیز چگونه به نظر می رسد تأثیر اساسی بر نحوه درک آن، آنچه که ارتباط برقرار می کند و اینکه آیا موفق می شود، دارد. در این دوره، نویسنده John McWade از مجله Before & After تکنیک های اساسی طراحی گرافیکی را به اشتراک می گذارد که باعث می شود صفحه، صفحه، محصول یا ارائه شما به بهترین شکل ظاهر شود.

این ملزومات طراحی می تواند توسط غیرطراحان به عنوان نکات، ترفندها و میانبرها و توسط حرفه ای ها به عنوان بلوک های سازنده برای درک بیشتر مورد استفاده قرار گیرد. هر درس یک روش کوتاه و آسان برای درک است که می تواند بدون توجه به نام تجاری نرم افزار و سخت افزاری که استفاده می کنید اعمال شود. این دوره توسط تیم مجله Before & After ایجاد و تولید شده است. مفتخریم که این محتوا را در کتابخانه خود میزبانی کنیم.

در حالی که مفهوم ایده پردازی گروهی یک ایده مدرن نیست، اصطلاح "طوفان فکری" به عنوان یک فرآیند خلاقانه رسمی مطرح نشد تا زمانی که افسانه تبلیغاتی الکس آزبورن در سال 1948 این فرآیند را توضیح داد. در حالی که طوفان فکری هنوز تکنیک غالب در مورد ایده است. در نسل، طوفان های فکری اغلب قبل از شروع با شکست مواجه می شوند. چرا؟ در این دوره، Stefan Mumaw طوفان فکری را با قوانین و تکنیک‌هایی به عصر مدرن می‌آورد تا به شما کمک کند جلسات طوفان فکری خلاقانه‌تری را راه‌اندازی و اجرا کنید، از جمله کارهایی که باید قبل، در طول و بعد از هر جلسه انجام دهید. او همه چیز را از پویایی ایده‌پردازی گروهی گرفته تا تکنیک‌های طوفان فکری مانند تاربندی ایده، زمان بوکس و ساختارهای داستانی را شرح می‌دهد. در پایان، شما با همه چیزهایی که برای اجرای یک جلسه طوفان فکری موثر و استخراج بهترین و بهترین ایده ها از افراد درگیر نیاز دارید، مسلح خواهید شد.

 عبارات منظم یا رجکس ها می توانند به شما کمک کنند تا کارهای خسته کننده را سرعت بخشیده و گردش کار خود را ساده کنید. رجکس ها را می توان در اکثر زبان های برنامه نویسی مدرن از جمله جاوا، جاوا اسکریپت، پرل، پایتون، اکشن اسکریپت و سی شارپ استفاده کرد. در این دوره آموزشی، نحوه استفاده از regexes برای تعریف الگوهای متنی پیچیده را یاد بگیرید که می‌توانند برای جستجوی قدرتمند و جایگزینی تکنیک‌ها استفاده شوند. مربی کوین اسکوگلند سینتکس اولیه رجکس ها را پوشش می دهد، نحوه ایجاد الگوهای تطبیق انعطاف پذیر را نشان می دهد و نشان می دهد که چگونه موتور عبارت منظم متن را برای یافتن مطابقت تجزیه می کند. یاد بگیرید که چگونه با استفاده از مجموعه کاراکترها، گروه بندی، تناوب، لنگرهای شروع و پایان، مرزهای کلمات بنویسید. و بیشتر.

 بسیاری از افرادی که در تیم های علوم داده کار می کنند چیزی غیر از دانشمندان داده تبدیل می شوند. گفته می شود ، بسیاری از آنها مدیر و همکاران خواهند شد که می خواهند از داده های سازمان شما ارزش تجاری واقعی کسب کنند. این اعضای تیم باید زبان علوم داده را درک کنند تا بتوانند سؤالات بهتری بپرسند ، فرایندها را درک کنند و به طور مؤثر تیم ها و سازمان های خود را به سمت تصمیمات بهتر محور داده هدایت کنند. در این دوره ، برای افرادی که قصد کار به عنوان دانشمندان تمام وقت داده را ندارند ، مقدمه ای از علوم داده دریافت کنید. مفاهیم ، ابزارها و تکنیک های داده های بزرگ ، از جمله جمع آوری و مرتب سازی داده ها ، کار با پایگاه داده ها ، درک انواع داده های ساختار یافته و بدون ساختار ، استفاده از تحلیل آماری ، پرسیدن سؤالات مهم و گفتن داستانها را در مورد داده ها کشف کنید. مربی تجارت و نویسنده داگ رز به شما کمک می کند تا به زبان علوم داده صحبت کنید تا بتوانید سازمان خود را از طریق فرصت ها و محدودیت های موجود در این زمینه به طرز چشمگیری در حال رشد راهنمایی کنید.

یک تیم علم داده سوالات بزرگی می پرسد، داده ها را بررسی می کند و بینش های کلیدی را ارائه می دهد. اما در پایان روز تیم شما باید ارزش واقعی کسب و کار را اضافه کند. حتی بهترین تیم های علم داده اگر نتوانند درآمد یا هزینه های کمتری ایجاد کنند، در سازمان شما دوام زیادی نخواهند داشت. بهترین راه برای ایجاد ارزش تجاری، ارائه یک جریان ثابت از بینش های کلیدی در دو هفته دویدن کوتاه است. این دوی سرعت های کوتاه به شما بازخورد بلادرنگ می دهد تا به حفظ تیم شما در مسیر کمک کند. یک اسپرینت کوتاه همچنین به تیم شما کمک می‌کند تا بر اساس آنچه از داده‌ها می‌آموزند، سؤالات جدیدی بپرسند.

rnrn نحوه کار در چرخه حیات علم داده (DSLC) را ببینید - روشی برای دوچرخه‌سواری از طریق سؤالات، تحقیق و گزارش هر دو هفته یکبار. روش‌های کلیدی را کاوش کنید تا به تیم خود کمک کنید تا کار را به گونه‌ای که در یک دوی دو هفته‌ای مناسب باشد، تجزیه کند. یاد بگیرید که چگونه از ابزارهایی مانند تخته سوالات برای تشویق بحث و پیدا کردن سوالات ضروری استفاده کنید. و مهمتر از همه، یاد بگیرید که چگونه دانش مشترک تیم خود را افزایش دهید و از دام های رایج اجتناب کنید.

بسیاری از مردم شناسان بر این باورند که اجداد اولیه ما جوامعی را حول داستان های آتش اردوگاه در مورد عدالت، رهبری و حکومت ساخته اند. تیم های علم داده شما نیز ایده های پیچیده ای در مورد داده ها و نتایج خود خواهند داشت. به همین دلیل است که برای انتقال این بینش‌ها به سایر اعضای سازمان، یک داستان ساختاریافته لازم است. این صرفاً ایجاد یک صفحه اکسل عالی یا یک نمودار زیبا نیست. شما باید داستانی تعریف کنید که تخیل مخاطب شما را جذب کند و آنها را تشویق به انجام اقداماتی کند. در این دوره، مدرس داگ رز توضیح می دهد که چگونه یک داستان عالی علم داده را با هم ببافید و مخاطبان خود را به داستان بکشانید تا ایده های پیچیده را منتقل کنید و همه را برای ایجاد تغییرات واقعی ترغیب کنید.

شرکت های بیشتری تیم های علم داده را به سازمان خود اضافه می کنند. برای موثر بودن، درک نحوه ساخت و مدیریت این تیم ها بسیار مهم است. داگ رز، مربی و نویسنده کسب‌وکار، اسرار ایجاد تیم‌های موثر علم داده را بیان می‌کند. خواهید دید که چگونه از استعدادهای موجود استفاده کنید یا چگونه می توانید اعضای جدید تیم را استخدام کنید. همچنین خواهید دید که چگونه این تیم ها را آموزش دهید تا شیمی منحصر به فردی ایجاد کنند که همکاری بهتر و بحث های جدی تر را تقویت می کند.

nn نقش ها و مسئولیت های کلیدی، از جمله رهبر تحقیق، تحلیلگر داده و مدیر پروژه را شناسایی کنید. بیاموزید که چگونه حوزه های مسئولیت را تعریف کنید، ارتباطات موثر را تقویت کنید، و گزارش ها و تجسم های متقاعد کننده ایجاد کنید. سپس ببینید چگونه از دام های از دست دادن تمرکز و رسیدن به اجماع نادرست جلوگیری کنید. این تکنیک‌ها به شما کمک می‌کنند تیم‌های بسیار ماهری بسازید که بینش‌های عمیق‌تری نسبت به آنچه که تنها با تکیه بر دانشمندان داده می‌بینید، ایجاد می‌کنند.

بسیاری از افرادی که در تیم های علم داده کار می کنند، دانشمندان داده نخواهند بود. آنها مدیران و همکارانی خواهند بود که می خواهند ارزش تجاری واقعی را از داده های سازمان شما به دست آورند. این اعضای تیم باید زبان علم داده را بدانند تا بتوانند سوالات بهتری بپرسند، فرآیندها را درک کنند و به هدایت موثر تیم‌ها و سازمان‌های خود برای تصمیم‌گیری بهتر مبتنی بر داده کمک کنند. این دوره مقدمه ای بر علم داده برای افرادی است که قصد ندارند دانشمند داده تمام وقت شوند. مفاهیم، ​​ابزارها و تکنیک‌های کلان داده را معرفی می‌کند، از جمله جمع‌آوری و مرتب‌سازی داده‌ها، کار با پایگاه‌های داده، درک انواع داده‌های ساختاریافته و بدون ساختار، و به‌کارگیری تحلیل‌های آماری. مربی کسب و کار و نویسنده داگ رز به شما کمک می کند تا به زبان علم داده صحبت کنید تا بتوانید سازمان خود را از طریق فرصت ها و محدودیت ها در این زمینه به طور چشمگیری در حال رشد راهنمایی کنید.

اکتشافات بزرگ علم داده اغلب به کسی برمی‌گردد که یک سؤال مهم می‌پرسد. به همین دلیل برای تیم شما مهم است که از تفکر انتقادی برای ارائه سوالات زیرکانه و معنادار که ارزش واقعی را اضافه می کند، استفاده کند. یک سوال خوب می تواند مانع از انحراف تیم شما در فرضیات بد و نتیجه گیری های نادرست شود. در این دوره، نویسنده داگ رز مؤلفه‌های کلیدی استدلال انتقادی و چگونگی جستجوی طلا در جریان داده‌ها را برای جستجوی سؤالات جدید بررسی می‌کند. شما یاد خواهید گرفت که چگونه به عنوان یک تیم برای اجرای جلسات سؤال، سازماندهی ایده های مهم در درختان سؤال، و ایجاد سؤالات با کیفیت با روشن کردن اصطلاحات کلیدی، شواهد چالش برانگیز، کشف آمارهای گمراه کننده و موارد دیگر با یکدیگر همکاری کنید.

اکثر برنامه های سازمانی به صورت آنلاین در حال حرکت هستند. اما اگر بارگذاری برنامه شما بیش از سه ثانیه طول بکشد، بیش از 50 درصد از کاربران شما آن را رها می کنند. بهینه سازی عملکرد وب (WPO) به توسعه دهندگان کمک می کند تا با کاهش بار سرور، تبدیل و کارایی کاربر را افزایش دهند. WPO یک تکنیک ضروری برای برنامه های کاربردی مبتنی بر وب کارآمد است، و این تکنیکی است که هر معمار و مهندس سازمانی باید به آن تسلط داشته باشد. این دوره اصول WPO را آموزش می دهد، از جمله انواع مختلف معیارها و نمودارهایی که متخصصان برای اندازه گیری فاکتورهای عملکرد حیاتی مانند بار و زمان تعامل استفاده می کنند. ابزارهای مناسب برای اندازه‌گیری جنبه‌هایی مانند تجزیه و سرعت رندر، از جمله WebPagetest، ابزارهای توسعه‌دهنده مرورگر داخلی، Google Lighthouse و API‌هایی را که به شما امکان دسترسی به داده‌های عملکرد تولید در زمان واقعی را می‌دهند، کشف کنید. به‌علاوه، تکنیک‌هایی را ببینید که عملکرد و بارگذاری برنامه را در دستگاه‌های موبایل و دسک‌تاپ بهبود می‌بخشد و کارایی و درک کاربر از برنامه را افزایش می‌دهد.

به این دوره آموزش عمیق احتمالی با TensorFlow خوش آمدید! این دوره مبتنی بر مفاهیم و مهارت‌های پایه تنسورفلو است که در دو دوره اول این تخصص تدریس شده است و بر رویکرد احتمالی یادگیری عمیق تمرکز دارد. این یک حوزه به طور فزاینده مهم یادگیری عمیق است که هدف آن تعیین کمیت نویز و عدم قطعیت است که اغلب در مجموعه داده های دنیای واقعی وجود دارد. این یک جنبه حیاتی در هنگام استفاده از مدل های یادگیری عمیق در برنامه هایی مانند وسایل نقلیه خودران یا تشخیص های پزشکی است. ما به مدل نیاز داریم تا بدانیم چه چیزی را نمی داند. شما یاد خواهید گرفت که چگونه مدل‌های احتمالی را با TensorFlow توسعه دهید و از کتابخانه احتمالی TensorFlow استفاده کنید، کتابخانه‌ای که برای آسان کردن ترکیب مدل‌های احتمالی با یادگیری عمیق طراحی شده است. به این ترتیب، این دوره همچنین می تواند به عنوان مقدمه ای برای کتابخانه TensorFlow Probability مشاهده شود. شما یاد خواهید گرفت که چگونه توزیع‌های احتمال را می‌توان در مدل‌های یادگیری عمیق در TensorFlow، از جمله شبکه‌های عصبی بیزی، جریان‌های عادی‌سازی و رمزگذارهای خودکار متغیر، نمایش داد و گنجاند. شما یاد خواهید گرفت که چگونه مدل هایی را برای تعیین کمیت عدم قطعیت و همچنین مدل های تولیدی ایجاد کنید که می توانند نمونه های جدیدی مشابه نمونه های موجود در مجموعه داده ایجاد کنند، مانند تصاویر چهره های افراد مشهور. مفاهیمی را که در مورد آنها یاد می گیرید بلافاصله در آموزش های عملی و عملی برنامه نویسی، که توسط دستیار آموزشی فارغ التحصیل راهنمایی می شوید، در عمل قرار می دهید. علاوه بر این، یک سری تکالیف برنامه نویسی با درجه بندی خودکار برای شما وجود دارد تا مهارت های خود را تثبیت کنید. در پایان دوره، بسیاری از مفاهیم را در یک پروژه Capstone گرد هم می‌آورید، جایی که یک الگوریتم رمزگذار خودکار متغیر را برای تولید یک مدل تولیدی از مجموعه داده‌های تصویر مصنوعی که خودتان ایجاد می‌کنید، ایجاد می‌کنید. این دوره از دو دوره قبلی در این تخصص پیروی می کند، شروع با TensorFlow 2 و سفارشی کردن مدل های خود با TensorFlow 2. دانش پیش نیاز اضافی مورد نیاز برای موفقیت در این دوره یک پایه محکم در احتمال و آمار است. به طور خاص، فرض بر این است که شما با توزیع‌های احتمال استاندارد، توابع چگالی احتمال، و مفاهیمی مانند برآورد حداکثر احتمال، فرمول تغییر متغیرها برای متغیرهای تصادفی و کران پایین شواهد (ELBO) مورد استفاده در استنتاج تغییرات آشنا هستید.

یادگیری عمیق در بسیاری از زمینه ها از جمله بینایی کامپیوتر، پردازش زبان طبیعی و روباتیک انقلابی ایجاد کرده است. علاوه بر این، Keras، یک API شبکه های عصبی سطح بالا که به زبان پایتون نوشته شده است، به بخشی ضروری از TensorFlow تبدیل شده است و یادگیری عمیق را در دسترس و ساده می کند. تسلط بر این تکنیک ها فرصت های زیادی را در تحقیقات و صنعت باز خواهد کرد. شما یاد خواهید گرفت که لایه ها و مدل های سفارشی را در Keras ایجاد کنید و Keras را با TensorFlow 2.x برای عملکرد بهبودیافته ادغام کنید. شما شبکه های عصبی کانولوشنال پیشرفته (CNN) را با استفاده از Keras توسعه خواهید داد. همچنین با استفاده از TensorFlow با Keras، مدل‌های ترانسفورماتور را برای داده‌های متوالی و سری‌های زمانی خواهید ساخت. این دوره همچنین اصول یادگیری بدون نظارت در Keras و TensorFlow را برای بهینه سازی مدل و حلقه های آموزشی سفارشی پوشش می دهد. در نهایت، شبکه‌های Q عمیق (DQN) را با Keras برای وظایف یادگیری تقویتی توسعه داده و آموزش خواهید داد (مروری از مدل‌سازی تولیدی و یادگیری تقویتی ارائه شده است). شما می توانید مفاهیم آموخته شده را با استفاده از آزمایشگاه های عملی در هر درس تمرین کنید. یک پروژه نهایی نهایی در آخرین ماژول به شما فرصتی می دهد تا دانش خود را برای ایجاد یک مدل طبقه بندی با استفاده از یادگیری انتقالی به کار ببرید. این دوره برای همه مهندسین مشتاق هوش مصنوعی که می خواهند TensorFlow و Keras را یاد بگیرند مناسب است. این نیاز به دانش کاربردی برنامه نویسی پایتون و مفاهیم پایه ریاضی مانند گرادیان و ماتریس، و همچنین اصول یادگیری عمیق با استفاده از Keras دارد.