After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Scopri cos'è TensorFlow
Non molto tempo fa, gli algoritmi di visione artificiale più avanzati non riuscivano a distinguere tra immagini di gatti e cani. Oggi, un esperto di dati con solo un laptop può classificare decine di migliaia di oggetti con più precisione di quanto possa fare l'occhio umano.In questo corso userai TensorFlow 2.6 per sviluppare, addestrare e fare previsioni con i modelli che hanno portato a grandi progressi nei sistemi di raccomandazione, nella classificazione delle immagini e nella FinTech.
Usa modelli lineari per fare previsioni
Scoprirai come usare TensorFlow 2.6 per fare previsioni con modelli di regressione lineare e metterai alla prova le tue conoscenze prevedendo i prezzi delle case nella contea di King. Questa parte del corso parla delle funzioni di perdita e di come puoi ridurre l'uso delle risorse addestrando il tuo modello lineare in batch.Allena la tua rete neurale
Nella seconda parte del corso, userai gli stessi strumenti per fare previsioni usando le reti neurali. Ti eserciterai ad addestrare una rete in TensorFlow aggiungendo variabili addestrabili e usando il tuo modello e le funzionalità di test per prevedere i valori target.Usa TensorFlow con l'API Keras
Aggiungi la potente API di Keras al tuo repertorio e impara a usarla insieme a TensorFlow 2.6 per fare previsioni e valutare modelli. Alla fine di questo corso, capirai come usare l'API Estimators per semplificare la definizione dei modelli ed evitare errori.Prerequisiti
Curriculum
Programma del corso
1
Introduzione a TensorFlow
Prima di poter costruire modelli avanzati in TensorFlow 2, è essenziale comprendere le basi. In questo capitolo imparerai a definire costanti e variabili, eseguire somme e moltiplicazioni tra tensori e calcolare derivate. Conoscenze di algebra lineare sono utili, ma non indispensabili.
- Costanti e variabili50 XP
- Definire i dati come costanti100 XP
- Definire variabili100 XP
- Operazioni di base50 XP
- Eseguire moltiplicazioni elemento per elemento100 XP
- Fare previsioni con la moltiplicazione di matrici100 XP
- Sommare lungo le dimensioni di un tensore50 XP
- Operazioni avanzate50 XP
- Rimodellare i tensori100 XP
- Ottimizzazione con i gradienti100 XP
- Lavorare con dati di immagini100 XP
2
Modelli lineari
In questo capitolo imparerai a costruire, risolvere e fare previsioni con modelli in TensorFlow 2. Ti concentrerai su una semplice classe di modelli, la regressione lineare, e proverai a prevedere i prezzi delle case. Alla fine del capitolo saprai come caricare e manipolare i dati, costruire funzioni di perdita, eseguire la minimizzazione, fare previsioni e ridurre il consumo di risorse con il training a mini-batch.
3
Reti neurali
Nei capitoli precedenti hai imparato a costruire modelli in TensorFlow 2. In questo capitolo applicherai gli stessi strumenti per creare, addestrare e fare previsioni con reti neurali. Imparerai a definire layer densi, applicare funzioni di attivazione, scegliere un ottimizzatore e applicare la regolarizzazione per ridurre l’overfitting. Sfrutterai la flessibilità di TensorFlow usando sia operazioni di algebra lineare di basso livello sia le API Keras di alto livello per definire e addestrare i modelli.
4
API di alto livello
Nel capitolo finale userai le API di alto livello di TensorFlow 2 per addestrare un classificatore di lettere della lingua dei segni. Utilizzerai sia le API Keras sequenziali sia quelle funzionali per addestrare, convalidare, fare previsioni e valutare i modelli. Imparerai anche a usare le Estimators API per semplificare la definizione e l’addestramento dei modelli, e per evitare errori.
Introduzione a TensorFlow in Python
Corso
completato
