これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
KerasのFunctional API
このコースでは、KerasのFunctional APIを使って複雑な問題を解決する方法を学びます。はじめにから始めて、シンプルな機能ネットワークを構築し、データに適合させ、予測を行います。 複数の入力と単一の出力を持つモデルを構築し、レイヤー間で重みを共有する方法も学びます.
複数入力ネットワーク
学習を進めながら、カテゴリ埋め込み、共有レイヤー、マージレイヤーを使って2入力ネットワークを構築する方法を学びます。 これらは、複雑なデータフローを持つニューラルネットワークを設計するための基礎となる構成要素です。これらの概念を3つ以上の入力を持つモデルへと拡張し、Kerasのsummary関数とplot関数を使って、ニューラルネットワークのパラメータとトポロジーを理解できるようにします.
複数出力ネットワーク
最後のインタラクティブ演習では、複数出力ネットワークを扱います。これにより、複数のターゲットを持つ回帰問題を解決でき、回帰と分類の両方のタスクを同時に処理することも可能です。コースの終了時には、複数の指標を使って新しいデータ上でモデルを評価することを含め、データサイエンティストとしてのキャリアを前進させるための高度なディープラーニング手法の実践経験を身につけているでしょう。.
前提条件
カリキュラム
コース概要
1
Keras Functional API の基礎
この章では、Keras の Functional API の基本に慣れていきます。機能的なビルディングブロックを使ってシンプルな関数型ネットワークを構築し、データにフィットさせて予測まで行います。
2
2入力ネットワーク：カテゴリ埋め込み、共有レイヤー、マージレイヤー
この章では、高カーディナリティのデータを表現するカテゴリ埋め込み、再利用可能な部品を定義する共有レイヤー、そして複数の入力を単一の出力に結合するマージレイヤーを用いた2入力ネットワークを構築します。章の終わりには、複雑なデータフローをもつニューラルネットワークを設計するための基礎的な部品を身につけています。
3
複数入力：3入力（さらにその先へ）
この章では、2入力モデルを3入力へ拡張し、Keras の summary 関数と plot 関数を使って、ニューラルネットワークのパラメータやトポロジーを把握する方法を学びます。章の終わりには、2入力モデルを3入力以上へ拡張する方法が理解できます。
4
複数出力
この章では、複数の出力をもつニューラルネットワークを構築し、複数ターゲットの回帰問題に活用する方法を学びます。さらに、回帰と分類の課題を同時に解くモデルも構築します。
Keras で学ぶ高度な Deep Learning
コース修了
