Build your ultimate AI agent
Deskripsi Kursus
API fungsional Keras
Dalam kursus ini, Anda akan mempelajari cara memecahkan masalah kompleks menggunakan Keras functional API.Dimulai dengan pengantar, Anda akan membangun jaringan fungsional sederhana, menyesuaikannya dengan data, dan membuat prediksi. Anda juga akan mempelajari cara membangun model dengan beberapa input dan satu output serta berbagi bobot antar lapisan.
Jaringan multi-input
Seiring Anda berkembang, pelajari cara membangun jaringan dua input menggunakan embedding kategorikal, shared layer, dan merge layer. Ini adalah blok bangunan dasar untuk merancang neural network dengan alur data yang kompleks.Ini memperluas konsep-konsep tersebut ke model dengan tiga atau lebih input, membantu Anda memahami parameter dan topologi jaringan saraf Anda menggunakan fungsi summary dan plot Keras.
Jaringan multi-output
Dalam latihan interaktif terakhir, Anda akan bekerja dengan jaringan multi-output, yang dapat menyelesaikan masalah regresi dengan beberapa target dan bahkan menangani tugas regresi dan klasifikasi secara bersamaan.Pada akhir kursus ini, Anda akan memiliki pengalaman praktis dengan teknik deep learning tingkat lanjut untuk memajukan karier Anda sebagai data scientist, termasuk mengevaluasi model Anda pada data baru menggunakan berbagai metrik.
Prasyarat
Kurikulum
Garis besar kursus
1
Keras Functional API
Di bab ini, Anda akan memahami dasar-dasar Keras functional API. Anda akan membangun jaringan fungsional sederhana menggunakan komponen fungsional, memasangkannya ke data, dan melakukan prediksi.
- Lapisan input dan dense di Keras50 XP
- Lapisan input100 XP
- Lapisan Dense100 XP
- Lapisan keluaran100 XP
- Membangun dan mengompilasi model50 XP
- Bangun sebuah model100 XP
- Kompilasi sebuah model100 XP
- Visualisasikan sebuah model100 XP
- Melatih dan mengevaluasi model50 XP
- Latih model pada data turnamen bola basket100 XP
- Evaluasi model pada himpunan uji100 XP
2
Jaringan Dua Masukan dengan Categorical Embeddings, Shared Layers, dan Merge Layers
Di bab ini, Anda akan membangun jaringan dengan dua masukan yang menggunakan categorical embeddings untuk merepresentasikan data berkardinalitas tinggi, shared layers untuk menentukan blok bangunan yang dapat digunakan kembali, dan merge layers untuk menggabungkan banyak masukan menjadi satu keluaran. Pada akhir bab ini, Anda akan memiliki blok bangunan dasar untuk merancang neural network dengan aliran data yang kompleks.
3
Banyak Masukan: 3 Masukan (dan Lebih Banyak Lagi!)
Di bab ini, Anda akan memperluas model 2 masukan menjadi 3 masukan, dan mempelajari cara menggunakan fungsi summary dan plot di Keras untuk memahami parameter dan topologi neural network Anda. Pada akhir bab, Anda akan memahami cara memperluas model 2 masukan menjadi 3 masukan dan seterusnya.
4
Banyak Keluaran
Di bab ini, Anda akan membangun neural network dengan banyak keluaran, yang dapat digunakan untuk menyelesaikan masalah regresi dengan banyak target. Anda juga akan membangun model yang menyelesaikan masalah regresi dan klasifikasi secara bersamaan.
Deep Learning Tingkat Lanjut dengan Keras
Kursus
Selesai
