ये कोर्स करने के बाद, मैं पेशेवर विज़ुअलाइज़ेशन और डैशबोर्ड बनाने में आत्मविश्वास महसूस करता हूँ
Shoebur Rahmanप्रोक्योरमेंट विशेषज्ञ, Giz Bangladesh
कोर्स विवरण
केरस फंक्शनल एपीआई
इस पाठ्यक्रम में, आप Keras functional API का उपयोग करके जटिल समस्याओं को हल करना सीखेंगे।एक परिचय से शुरुआत करते हुए, आप सरल कार्यात्मक नेटवर्क बनाएँगे, उन्हें डेटा पर फिट करेंगे, और पूर्वानुमान लगाएंगे। आप यह भी सीखेंगे कि कई इनपुट और एकल आउटपुट वाले मॉडल कैसे बनाए जाएँ और परतों के बीच वज़न कैसे साझा करें.
मल्टीपल-इनपुट नेटवर्क्स
जैसे-जैसे आप आगे बढ़ते हैं, कैटेगोरिकल एम्बेडिंग्स, साझा लेयर्स, और मर्ज लेयर्स का उपयोग करके दो-इनपुट नेटवर्क्स बनाना सीखें। ये जटिल डेटा प्रवाहों के साथ न्यूरल नेटवर्क डिज़ाइन करने के लिए मूलभूत निर्माण खंड हैं।यह इन अवधारणाओं को तीन या अधिक इनपुट वाले मॉडलों तक विस्तारित करता है, जिससे आप Keras की summary और plot फ़ंक्शनों का उपयोग करके अपने न्यूरल नेटवर्क के पैरामीटर और टोपोलॉजी को समझ सकते हैं.
मल्टीपल-आउटपुट नेटवर्क्स
अंतिम इंटरैक्टिव अभ्यासों में, आप मल्टीपल-आउटपुट नेटवर्क्स के साथ काम करेंगे, जो कई लक्ष्यों वाली रिग्रेशन समस्याओं को हल कर सकते हैं और यहाँ तक कि रिग्रेशन और वर्गीकरण दोनों कार्यों को एक साथ संभाल सकते हैं।पाठ्यक्रम के अंत तक, आपके पास उन्नत डीप लर्निंग तकनीकों के साथ व्यावहारिक अनुभव होगा, जिससे आप एक डेटा वैज्ञानिक के रूप में अपने करियर को आगे बढ़ा सकेंगे, जिसमें कई मेट्रिक्स का उपयोग करके नए डेटा पर अपने मॉडलों का मूल्यांकन करना शामिल है.
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Keras Functional API
इस अध्याय में, आप Keras functional API की बुनियादी बातों से परिचित होंगे। आप functional building blocks का उपयोग करके एक सरल functional नेटवर्क बनाएँगे, उसे डेटा पर fit करेंगे, और predictions करेंगे।
- Keras input और dense layers50 XP
- Input लेयर्स100 XP
- Dense लेयर्स100 XP
- आउटपुट लेयर100 XP
- मॉडल बनाएँ और कम्पाइल करें50 XP
- एक मॉडल बनाएँ100 XP
- मॉडल को कंपाइल करें100 XP
- मॉडल को विज़ुअलाइज़ करें100 XP
- मॉडल को फिट करें और इवैल्यूएट करें50 XP
- टूर्नामेंट बास्केटबॉल डेटा पर मॉडल फिट करें100 XP
- टेस्ट सेट पर मॉडल का मूल्यांकन करें100 XP
2
Two Input Networks: Categorical Embeddings, Shared Layers, और Merge Layers
इस अध्याय में, आप दो-input वाले नेटवर्क बनाएँगे जो high-cardinality डेटा को दर्शाने के लिए categorical embeddings का उपयोग करते हैं, re-usable building blocks तय करने के लिए shared layers अपनाते हैं, और multiple inputs को single output में जोड़ने के लिए merge layers का प्रयोग करते हैं। अध्याय के अंत तक, आपके पास ऐसे neural networks डिज़ाइन करने के बुनियादी building blocks होंगे जिनमें complex data flows हों।
3
Multiple Inputs: 3 Inputs (और उससे आगे!)
इस अध्याय में, आप अपने 2-input मॉडल को 3 inputs तक बढ़ाएँगे, और Keras के summary और plot फंक्शन्स का उपयोग करके अपने neural networks के parameters और topology को समझना सीखेंगे। अध्याय के अंत तक, आप समझ जाएँगे कि 2-input मॉडल को 3 inputs और उससे आगे कैसे बढ़ाया जाए।
4
Multiple Outputs
इस अध्याय में, आप multiple outputs वाले neural networks बनाएँगे, जिनका उपयोग multiple targets वाले regression समस्याओं को हल करने में किया जा सकता है। आप ऐसा मॉडल भी बनाएँगे जो एक साथ regression और classification दोनों समस्याओं को हल करता है।
Keras के साथ Advanced Deep Learning
कोर्स
पूर्ण
