After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
Keras 함수형 API
이 강의에서는 Keras 함수형 API를 사용하여 복잡한 문제를 해결하는 방법을 배우게 됩니다.소개부터 시작하여, 간단한 기능적 네트워크를 구축하고, 이를 데이터에 맞추며, 예측을 수행하게 됩니다. 여러 입력과 단일 출력을 가진 모델을 구성하고, 레이어 간에 가중치를 공유하는 방법도 배우게 됩니다.
다중 입력 네트워크
학습을 진행하면서 범주형 임베딩, 공유 레이어, 병합 레이어를 사용해 두 입력 네트워크를 구축하는 방법을 살펴보세요. 이것들은 복잡한 데이터 흐름을 가진 신경망을 설계하기 위한 기초 구성 요소입니다.이 개념을 세 개 이상의 입력을 가진 모델로 확장하여, Keras의 summary 및 그래프 함수를 사용해 신경망의 매개변수와 토폴로지를 이해하는 데 도움을 줍니다.
다중 출력 네트워크
마지막 인터랙티브 연습에서는 다중 출력 네트워크를 다루게 되며, 이를 통해 여러 타깃을 가진 회귀 문제를 해결하고 회귀와 분류 작업을 동시에 처리할 수도 있습니다.강의가 끝날 무렵에는 여러 지표를 사용해 새로운 데이터에서 모델을 평가하는 것을 포함하여, 데이터 과학자로서의 경력을 발전시키는 데 도움이 되는 고급 딥러닝 기법에 대한 실무 경험을 갖추게 됩니다.
사전 요구 사항
커리큘럼
코스 개요
1
Keras Functional API
이 장에서는 Keras Functional API의 기본을 익힙니다. 기능형 빌딩 블록으로 간단한 기능형 네트워크를 만들고, 데이터에 맞춰 학습(fit)한 뒤 예측까지 진행해 볼 거예요.
2
두 개의 입력: 범주 임베딩, 공유 층, 머지 층
이 장에서는 고유값이 많은 범주형 데이터를 표현하기 위해 범주 임베딩을 사용하고, 재사용 가능한 구성요소를 정의하기 위해 공유 층을, 여러 입력을 단일 출력으로 결합하기 위해 머지 층을 사용하는 두 입력 네트워크를 구축합니다. 이 장을 마치면 복잡한 데이터 흐름을 갖는 신경망을 설계하기 위한 기초 빌딩 블록을 갖추게 됩니다.
3
여러 입력: 3개 입력(그 이상까지!)
이 장에서는 2입력 모델을 3입력으로 확장하고, Keras의 summary와 plot 함수를 이용해 신경망의 매개변수와 토폴로지를 이해하는 방법을 배웁니다. 이 장이 끝나면 2입력 모델을 3입력 이상으로 확장하는 방법을 이해하게 됩니다.
4
여러 출력
이 장에서는 여러 출력을 갖는 신경망을 구축해, 여러 타깃을 가진 회귀 문제를 해결하는 방법을 배웁니다. 또한 하나의 모델로 회귀와 분류 문제를 동시에 해결하는 예제도 구현해 볼 거예요.
Keras로 배우는 Advanced Deep Learning
코스
완료
