Kurs
Fortgeschrittenes Deep Learning mit Keras
FortgeschrittenSchwierigkeitsgrad
Aktualisiert 11/2024PythonArtificial Intelligence4 Std.13 Videos46 Übungen3,950 XP34,853Leistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Beliebt bei Lernenden in Tausenden Unternehmen
Training für 2 oder mehr Personen?
Probiere es mit DataCamp for BusinessKursbeschreibung
Funktionale API von Keras
In diesem Kurs lernst du, wie du mit der funktionalen API von Keras komplexe Probleme lösen kannst.Nach einer Einführung baust du einfache funktionierende Netzwerke auf, passt sie an Daten an und machst Vorhersagen. Außerdem lernst du, wie du Modelle mit mehreren Eingaben und einer einzigen Ausgabe erstellst und Gewichte zwischen Schichten teilst..
Mehrfach-Eingangs-Netzwerke
Im weiteren Verlauf kannst du dich mit dem Aufbau von Netzwerken mit zwei Eingängen beschäftigen, indem du kategoriale Einbettungen, gemeinsame Schichten und Merge-Schichten verwendest. Das sind die grundlegenden Bausteine für die Gestaltung von neuronalen Netzen mit komplexen Datenflüssen.Es erweitert diese Konzepte auf Modelle mit drei oder mehr Eingaben und hilft dir, die Parameter und die Topologie deiner neuronalen Netze mithilfe der Zusammenfassungs- und Plotfunktionen von Keras zu verstehen..
Mehrfachausgangsnetzwerke
In den letzten interaktiven Übungen wirst du mit Netzwerken mit mehreren Ausgängen arbeiten, die Regressionsprobleme mit mehreren Zielen lösen und sogar Regressions- und Klassifizierungsaufgaben gleichzeitig bewältigen können.Am Ende des Kurses hast du praktische Erfahrung mit fortgeschrittenen Deep-Learning-Techniken, um deine Karriere als Datenwissenschaftler voranzutreiben, einschließlich der Bewertung deiner Modelle anhand neuer Daten unter Verwendung mehrerer Metriken..
Voraussetzungen
Introduction to Deep Learning with Keras1
The Keras Functional API
In this chapter, you'll become familiar with the basics of the Keras functional API. You'll build a simple functional network using functional building blocks, fit it to data, and make predictions.
2
Two Input Networks Using Categorical Embeddings, Shared Layers, and Merge Layers
In this chapter, you will build two-input networks that use categorical embeddings to represent high-cardinality data, shared layers to specify re-usable building blocks, and merge layers to join multiple inputs to a single output. By the end of this chapter, you will have the foundational building blocks for designing neural networks with complex data flows.
3
Multiple Inputs: 3 Inputs (and Beyond!)
In this chapter, you will extend your 2-input model to 3 inputs, and learn how to use Keras' summary and plot functions to understand the parameters and topology of your neural networks. By the end of the chapter, you will understand how to extend a 2-input model to 3 inputs and beyond.
4
Multiple Outputs
In this chapter, you will build neural networks with multiple outputs, which can be used to solve regression problems with multiple targets. You will also build a model that solves a regression problem and a classification problem simultaneously.
Fortgeschrittenes Deep Learning mit Keras
Kurs abgeschlossen
Leistungsnachweis verdienen
Füge diesen Fähigkeitsnachweis zu Deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzuTeile es auf Social Media und in Deiner LeistungsbeurteilungJetzt anmelden
Schließe dich 19 Millionen Lernenden an und starte Fortgeschrittenes Deep Learning mit Keras heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.DataCamp gibt es auch für Mobilgeräte
Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.