After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Dapatkan Pengenalan tentang TensorFlow
Tidak lama lalu, algoritma penglihatan komputer tercanggih pun tidak dapat membedakan antara gambar kucing dan anjing. Hari ini, seorang ilmuwan data yang terampil, yang hanya dilengkapi dengan laptop, dapat mengklasifikasikan puluhan ribu objek dengan akurasi yang lebih tinggi daripada mata manusia.Dalam kursus ini, Anda akan menggunakan TensorFlow 2.6 untuk mengembangkan, melatih, dan membuat prediksi dengan model-model yang telah mendorong kemajuan signifikan dalam sistem rekomendasi, klasifikasi gambar, dan FinTech.
Gunakan Model Linier untuk Membuat Prediksi
Anda akan mempelajari cara menggunakan TensorFlow 2.6 untuk melakukan prediksi menggunakan model regresi linier, dan akan menguji pengetahuan Anda dengan memprediksi harga rumah di Kabupaten King. Bagian ini dari kursus ini mencakup pembahasan tentang fungsi kerugian dan cara Anda dapat mengurangi penggunaan sumber daya dengan melatih model linier Anda secara bertahap.Latih Jaringan Saraf Tiruan Anda
Pada paruh kedua kursus ini, Anda akan menggunakan alat yang sama untuk membuat prediksi menggunakan jaringan saraf tiruan. Anda akan berlatih melatih jaringan saraf tiruan di TensorFlow dengan menambahkan variabel yang dapat dilatih dan menggunakan model serta fitur uji Anda untuk memprediksi nilai target.Gabungkan TensorFlow dengan antarmuka Keras
Tambahkan API yang kuat dari Keras ke dalam keterampilan Anda dan pelajari cara menggabungkannya dengan TensorFlow 2.6 untuk melakukan prediksi dan mengevaluasi model. Pada akhir kursus ini, Anda akan memahami cara menggunakan Estimators API untuk mempermudah definisi model dan menghindari kesalahan.Prasyarat
Kurikulum
Garis besar kursus
1
Pendahuluan TensorFlow
Sebelum Anda dapat membangun model tingkat lanjut di TensorFlow 2, Anda perlu memahami dasar-dasarnya terlebih dahulu. Pada bab ini, Anda akan belajar cara mendefinisikan konstanta dan variabel, melakukan penjumlahan dan perkalian tensor, serta menghitung turunan. Pengetahuan aljabar linear akan membantu, namun tidak wajib.
- Konstanta dan variabel50 XP
- Mendefinisikan data sebagai konstanta100 XP
- Mendefinisikan variabel100 XP
- Operasi dasar50 XP
- Melakukan perkalian elemen-per-elemen100 XP
- Membuat prediksi dengan perkalian matriks100 XP
- Menjumlahkan berdasarkan dimensi tensor50 XP
- Operasi lanjutan50 XP
- Mengubah bentuk tensor100 XP
- Optimasi dengan gradien100 XP
- Bekerja dengan data citra100 XP
2
Model Linear
Pada bab ini, Anda akan belajar cara membangun, menyelesaikan, dan membuat prediksi dengan model di TensorFlow 2. Anda akan berfokus pada kelas model sederhana—model regresi linear—dan mencoba memprediksi harga rumah. Di akhir bab, Anda akan mengetahui cara memuat dan memanipulasi data, menyusun fungsi loss, melakukan minimisasi, membuat prediksi, serta mengurangi penggunaan sumber daya dengan pelatihan batch.
3
Neural Network
Bab-bab sebelumnya mengajarkan Anda cara membangun model di TensorFlow 2. Pada bab ini, Anda akan menerapkan alat yang sama untuk membangun, melatih, dan membuat prediksi dengan neural network. Anda akan belajar cara mendefinisikan dense layer, menerapkan fungsi aktivasi, memilih optimizer, serta menerapkan regularisasi untuk mengurangi overfitting. Anda akan memanfaatkan fleksibilitas TensorFlow dengan menggunakan aljabar linear tingkat rendah dan operasi API Keras tingkat tinggi untuk mendefinisikan dan melatih model.
4
API Tingkat Tinggi
Pada bab terakhir, Anda akan menggunakan API tingkat tinggi di TensorFlow 2 untuk melatih pengklasifikasi huruf bahasa isyarat. Anda akan menggunakan Keras API sequential dan functional untuk melatih, memvalidasi, membuat prediksi, dan mengevaluasi model. Anda juga akan mempelajari cara menggunakan Estimators API untuk menyederhanakan proses pendefinisian dan pelatihan model serta menghindari kesalahan.
Pendahuluan TensorFlow di Python
Kursus
Selesai
