Cours
Deep learning avancé avec Keras
IntermédiaireNiveau de compétence
Actualisé 11/2024PythonArtificial Intelligence4 h13 vidéos46 Exercices3,950 XP34,704Certificat de réussite.
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.Apprécié par des utilisateurs provenant de milliers d'entreprises
Former 2 personnes ou plus ?
Essayez DataCamp for BusinessDescription 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
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.
Deep learning avancé avec Keras
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performance
Inclus avecPremium or Teams
S'inscrire MaintenantRejoignez plus de 19 millions d'utilisateurs et commencez Deep learning avancé avec Keras dès aujourd'hui !
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.