Tutorial Deep Learning

Visualisasikan parameter pelatihan, metrik, hiperparameter, atau statistik apa pun dari jaringan saraf Anda dengan TensorBoard!

Pelajari cara membangun jaringan saraf serta cara melatih, mengevaluasi, dan mengoptimalkannya dengan TensorFlow

Pelajari cara menjalankan model TRIBE V2 milik Meta di Google Colab, memprediksi aktivitas kortikal dari rangsangan naturalistik, dan memvisualisasikan hasilnya sebagai peta panas otak 3D interaktif.

Pelajari apa itu pemrosesan bahasa alami (NLP) dan temukan penerapannya di dunia nyata, menggunakan Google BERT untuk memproses kumpulan data teks.

Pelajari teknik optimisasi Adagrad, termasuk manfaat utama, keterbatasan, implementasi di PyTorch, dan kasus penggunaan untuk mengoptimalkan model machine learning.

Pelajari bagaimana optimizer AdamW meningkatkan performa model dengan memisahkan weight decay dari pembaruan gradien. Tutorial ini menjelaskan perbedaan utama antara Adam dan AdamW, kasus penggunaannya, dan menyediakan panduan langkah demi langkah untuk mengimplementasikan AdamW di PyTorch.

Dalam tutorial ini, Anda akan mempelajari dan memahami cara menggunakan autoencoder sebagai pengklasifikasi di Python dengan Keras. Anda akan menggunakan dataset Fashion-MNIST sebagai contoh.

Dalam tutorial ini, Anda akan mempelajari lebih lanjut tentang autoencoder dan cara membangun convolutional serta denoising autoencoder dengan dataset notMNIST di Keras.

Pelajari cara membangun dan mengimplementasikan Convolutional Neural Networks (CNN) di Python dengan TensorFlow Framework 2

Dalam tutorial ini, Anda akan mempelajari cara mengimplementasikan Convolutional Neural Networks (CNN) di Python dengan Keras, dan cara mengatasi overfitting dengan dropout.

Tutorial langkah demi langkah ini akan menunjukkan cara menyiapkan dan menggunakan Jupyter Notebook di Amazon Web Services (AWS) EC2 GPU untuk deep learning.

Tutorial Keras ini memperkenalkan Anda pada deep learning di Python: pelajari cara melakukan prapemrosesan data, memodelkan, mengevaluasi, dan mengoptimalkan jaringan saraf.