700+ courses, half price
Descrizione del corso
Scopri le applicazioni del Deep Learning
Deep learning è la tecnica di Machine Learning alla base delle capacità più entusiasmanti nella robotica, nell'elaborazione del linguaggio naturale, nel riconoscimento delle immagini e nell'intelligenza artificiale. In questo corso di 4 ore, acquisirai conoscenze pratiche e concrete su come applicare le tue competenze in Python al deep learning con la libreria Keras 2.0.Esplora i modelli Keras con un contributore della libreria
Insegnato dall’ex Data Scientist di Google e contributore di Keras, Dan Becker, questo corso di deep learning esplora i modelli di reti neurali e come puoi generare previsioni con essi. I primi capitoli faranno crescere la tua comprensione sia della propagazione in avanti sia della propagazione all’indietro e di come funzionano in Pratica.La libreria Keras è una libreria Python che può aiutarti a sviluppare e valutare modelli di deep learning. Come molte librerie Python, è gratuita, open source e molto facile da usare. Inizierai creando un modello Keras e imparerai a compilarlo, addestrarlo e classificarlo prima di effettuare previsioni. Una volta completato questo corso, avrai tutti gli strumenti necessari per costruire reti neurali profonde e iniziare a sperimentare nel tempo con reti più ampie e più profonde.
Approfondisci il Deep Learning
Questo corso fa parte di diversi percorsi di Machine Learning e deep learning, offrendoti percorsi chiari per sviluppare le tue competenze e la tua esperienza in quest’area una volta completato il corso introduttivo, sia che tu voglia portare a termine un progetto personale sia che tu voglia avviarti verso una carriera come Machine Learning Scientist.Prerequisiti
Programma
Struttura del corso
1
Nozioni di base su deep learning e reti neurali
In questo capitolo conoscerai i concetti e la terminologia fondamentali del deep learning e capirai perché oggi queste tecniche sono così potenti. Costruirai semplici reti neurali e userai i loro modelli per generare previsioni.
- Introduzione al deep learning50 XP
- Confrontare modelli di reti neurali con modelli di regressione classici50 XP
- Propagazione in avanti50 XP
- Programmando l'algoritmo di forward propagation100 XP
- Funzioni di attivazione50 XP
- La funzione di attivazione lineare rettificata100 XP
- Applicare la rete a molte osservazioni/righe di dati100 XP
- Reti più profonde50 XP
- Propagazione in avanti in una rete più profonda50 XP
- Reti neurali multistrato100 XP
- Le rappresentazioni vengono apprese50 XP
- Livelli di rappresentazione50 XP
2
Ottimizzare una rete neurale con la retropropagazione
Impara a ottimizzare le previsioni generate dalle tue reti neurali. Userai un metodo chiamato retropropagazione, una delle tecniche più importanti nel deep learning. Capire come funziona ti darà una base solida su cui costruire nella seconda parte del corso.
3
Creare modelli di deep learning con Keras
In questo capitolo userai la libreria Keras per costruire modelli di deep learning sia per regressione sia per classificazione. Imparerai il flusso di lavoro Specify-Compile-Fit per fare previsioni e, alla fine del capitolo, avrai tutti gli strumenti necessari per creare reti neurali profonde.
4
Ottimizzazione fine dei modelli Keras
Impara a ottimizzare i tuoi modelli di deep learning in Keras. Inizia imparando a convalidare i modelli, poi approfondisci il concetto di capacità del modello e, infine, sperimenta reti più ampie e più profonde.
Introduzione al Deep Learning in Python
Corso
completato
