Über 700 Kurse zum halben Preis
Kursbeschreibung
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
Lernprogramm
Kursübersicht
1
Die funktionale API von Keras
In diesem Kapitel lernst du die Grundlagen der funktionalen API von Keras kennen. Du baust ein einfaches funktionierendes Netzwerk mit funktionalen Bausteinen, passt es an Daten an und machst Vorhersagen.
- Keras-Eingabe- und Dense-Schichten50 XP
- Eingabeschichten100 XP
- Dichte Schichten100 XP
- Ausgabeschichten100 XP
- Modell erstellen und kompilieren50 XP
- Modell erstellen100 XP
- Modell zusammenstellen100 XP
- Ein Modell vorstellen100 XP
- Ein Modell anpassen und bewerten50 XP
- Passe das Modell an die Basketball-Turnierdaten an.100 XP
- Das Modell anhand eines Testsatzes bewerten100 XP
2
Zwei Eingangsnetzwerke mit kategorialen Einbettungen, gemeinsamen Schichten und Merge-Schichten
In diesem Kapitel baust du Netzwerke mit zwei Eingängen, die kategoriale Einbettungen verwenden, um Daten mit hoher Kardinalität darzustellen, gemeinsame Schichten, um wiederverwendbare Bausteine festzulegen, und Merge-Schichten, um mehrere Eingaben zu einer einzigen Ausgabe zusammenzufügen. Am Ende dieses Kapitels hast du die Grundlagen für das Design von neuronalen Netzen mit komplexen Datenflüssen drauf.
3
Mehrere Eingänge: 3 Eingänge (und mehr!)
In diesem Kapitel erweiterst du dein Modell mit zwei Eingängen auf drei Eingänge und lernst, wie du die Funktionen „summary“ und „plot“ von Keras nutzen kannst, um die Parameter und die Topologie deiner neuronalen Netze zu verstehen. Am Ende des Kapitels wirst du wissen, wie man ein Modell mit zwei Eingängen auf drei Eingänge und mehr erweitert.
4
Mehrere Ausgänge
In diesem Kapitel baust du neuronale Netze mit mehreren Ausgängen, die du zum Lösen von Regressionsproblemen mit mehreren Zielen verwenden kannst. Außerdem erstellst du ein Modell, das gleichzeitig ein Regressionsproblem und ein Klassifizierungsproblem löst.
Fortgeschrittenes Deep Learning mit Keras
Kurs
abgeschlossen
