Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
API fonctionnelle Keras
Dans ce cours, vous apprendrez à résoudre des problèmes complexes à l'aide de l'API fonctionnelle Keras.Après une introduction, vous construirez des réseaux fonctionnels simples, les adapterez aux données et ferez des prédictions. Vous apprendrez également à construire des modèles avec plusieurs entrées et une seule sortie, et à partager les poids entre les couches..
Réseaux à entrées multiples
Au fur et à mesure de votre progression, explorez la construction de réseaux à deux entrées à l'aide d'intégrations catégorielles, de couches partagées et de couches fusionnées. Ce sont les éléments fondamentaux pour concevoir des réseaux neuronaux avec des flux de données complexes.Il étend ces concepts à des modèles comportant trois entrées ou plus, vous aidant ainsi à comprendre les paramètres et la topologie de vos réseaux neuronaux à l'aide des fonctions de résumé et de graphique de Keras..
Réseaux à sorties multiples
Dans les derniers exercices interactifs, vous travaillerez avec des réseaux à sorties multiples, qui permettent de résoudre des problèmes de régression avec plusieurs cibles et même de traiter simultanément des tâches de régression et de classification.À la fin de ce cours, vous aurez acquis une expérience pratique des techniques avancées d'apprentissage profond qui vous permettront de progresser dans votre carrière de data scientist, notamment en évaluant vos modèles sur de nouvelles données à l'aide de plusieurs métriques..
Prérequis
Programme de formation
Plan du cours
1
L'API fonctionnelle Keras
Dans ce chapitre, vous vous familiariserez avec les bases de l'API fonctionnelle Keras. Vous allez construire un réseau fonctionnel simple à l'aide de blocs fonctionnels, l'adapter aux données et faire des prédictions.
- Entrées Keras et couches denses50 XP
- Couches d'entrée100 XP
- Couches denses100 XP
- Couches de sortie100 XP
- Construire et compiler un modèle50 XP
- Construire un modèle100 XP
- Élaborer un modèle100 XP
- Visualiser un modèle100 XP
- Ajuster et évaluer un modèle50 XP
- Ajustez le modèle aux données du tournoi de basket-ball.100 XP
- Évaluer le modèle sur un ensemble de test100 XP
2
Réseaux à deux entrées utilisant des intégrations catégorielles, des couches partagées et des couches fusionnées
Dans ce chapitre, vous allez construire des réseaux à deux entrées qui utilisent des encodages catégoriels pour représenter des données à cardinalité élevée, des couches partagées pour spécifier des blocs de construction réutilisables et des couches de fusion pour joindre plusieurs entrées à une seule sortie. À la fin de ce chapitre, vous disposerez des bases nécessaires pour concevoir des réseaux neuronaux avec des flux de données complexes.
3
Entrées multiples : 3 entrées (et plus encore !)
Dans ce chapitre, vous allez étendre votre modèle à 2 entrées à 3 entrées, et apprendre à utiliser les fonctions summary et plot de Keras pour comprendre les paramètres et la topologie de vos réseaux neuronaux. À la fin de ce chapitre, vous saurez comment étendre un modèle à deux entrées à trois entrées et plus.
4
Sorties multiples
Dans ce chapitre, vous allez créer des réseaux neuronaux à sorties multiples, qui peuvent être utilisés pour résoudre des problèmes de régression avec plusieurs cibles. Vous allez également construire un modèle qui résout simultanément un problème de régression et un problème de classification.
Deep learning avancé avec Keras
Cours
terminé
