After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
API funzionale Keras
In questo corso imparerai come risolvere problemi complicati usando l'API funzionale Keras.Partendo da un'introduzione, creerai reti semplici e funzionali, le adatterai ai dati e farai delle previsioni. Imparerai anche a costruire modelli con più input e un solo output e a condividere i pesi tra i livelli..
Reti a ingressi multipli
Man mano che vai avanti, prova a costruire reti a due ingressi usando incorporamenti categoriali, livelli condivisi e livelli di unione. Questi sono gli elementi fondamentali per progettare reti neurali con flussi di dati complessi.Estende questi concetti a modelli con tre o più input, aiutandoti a capire i parametri e la struttura delle tue reti neurali usando le funzioni di riepilogo e grafico di Keras..
Reti a uscite multiple
Negli esercizi interattivi finali, lavorerai con reti a output multipli, che possono risolvere problemi di regressione con più obiettivi e persino gestire contemporaneamente compiti di regressione e classificazione.Alla fine del corso, avrai fatto pratica con tecniche avanzate di deep learning per far crescere la tua carriera come data scientist, come valutare i tuoi modelli su nuovi dati usando più metriche..
Prerequisiti
Curriculum
Programma del corso
1
La Keras Functional API
In questo capitolo prenderai confidenza con le basi della Keras Functional API. Costruirai una semplice rete funzionale usando i suoi blocchi costruttivi, la adatterai ai dati e farai previsioni.
- Layer di input e dense in Keras50 XP
- Livelli di input100 XP
- Livelli densi100 XP
- Livelli di output100 XP
- Crea e compila un modello50 XP
- Crea un modello100 XP
- Compila un modello100 XP
- Visualizza un modello100 XP
- Addestra e valuta un modello50 XP
- Addestra il modello sui dati del torneo di basket100 XP
- Valuta il modello su un set di test100 XP
2
Reti a due ingressi con categorical embeddings, livelli condivisi e livelli di merge
In questo capitolo costruirai reti a due ingressi che usano categorical embeddings per rappresentare dati ad alta cardinalità, livelli condivisi per definire blocchi riutilizzabili e livelli di merge per unire ingressi multipli in un’unica uscita. Alla fine del capitolo avrai i blocchi fondamentali per progettare reti neurali con flussi di dati complessi.
3
Ingressi multipli: 3 input (e oltre!)
In questo capitolo estenderai il tuo modello con 2 input a 3 input e imparerai a usare le funzioni summary e plot di Keras per capire i parametri e la topologia delle tue reti neurali. Alla fine del capitolo saprai come estendere un modello a 2 input a 3 input e oltre.
4
Uscite multiple
In questo capitolo costruirai reti neurali con uscite multiple, utili per risolvere problemi di regressione con più target. Costruirai anche un modello che risolve contemporaneamente un problema di regressione e uno di classificazione.
Deep Learning avanzato con Keras
Corso
completato
