Last chance: 50% off unlimited learning
Sale ends in
Cursusbeschrijving
Keras functionele API
In deze cursus leer je hoe je lastige problemen kunt oplossen met de functionele API van Keras.Je begint met een inleiding en bouwt dan simpele functionele netwerken, past ze aan gegevens aan en doet voorspellingen. Je leert ook hoe je modellen kunt maken met meerdere inputs en één output en hoe je gewichten tussen lagen kunt delen..
Netwerken met meerdere ingangen
Ga je verder, probeer dan eens netwerken met twee inputs te bouwen met behulp van categorische embeddings, gedeelde lagen en samenvoegingslagen. Dit zijn de basisbouwstenen voor het ontwerpen van neurale netwerken met ingewikkelde gegevensstromen.Het breidt deze ideeën uit naar modellen met drie of meer inputs, zodat je de parameters en topologie van je neurale netwerken beter begrijpt met behulp van de samenvattings- en plotfuncties van Keras..
Netwerken met meerdere uitgangen
In de laatste interactieve oefeningen ga je aan de slag met netwerken met meerdere outputs, die regressieproblemen met meerdere doelen kunnen oplossen en zelfs zowel regressie- als classificatietaken tegelijk kunnen doen.Aan het einde van de cursus heb je praktische ervaring met geavanceerde deep learning-technieken om je carrière als datawetenschapper een boost te geven, zoals het evalueren van je modellen op nieuwe gegevens met behulp van meerdere statistieken..
Vereisten
Lesprogramma
Cursusoverzicht
1
De functionele API van Keras
In dit hoofdstuk maak je kennis met de basis van de functionele API van Keras. Je bouwt een eenvoudig functioneel netwerk met bouwblokken, traint het op data en doet voorspellingen.
- Keras input- en dense-lagen50 XP
- Invoerlagen100 XP
- Dense-lagen100 XP
- Outputlagen100 XP
- Een model bouwen en compileren50 XP
- Bouw een model100 XP
- Een model compileren100 XP
- Visualiseer een model100 XP
- Een model trainen en evalueren50 XP
- Train het model op de toernooi-basketbaldata100 XP
- Evalueer het model op een testset100 XP
2
Netwerken met twee inputs met categorische embeddings, gedeelde lagen en merge-lagen
In dit hoofdstuk bouw je netwerken met twee inputs die gebruikmaken van categorische embeddings voor data met veel unieke waarden, gedeelde lagen om herbruikbare bouwblokken te definiëren, en merge-lagen om meerdere inputs samen te voegen tot één output. Aan het einde van dit hoofdstuk heb je de bouwstenen om neurale netwerken te ontwerpen met complexe datastromen.
3
Meerdere inputs: 3 inputs (en verder!)
In dit hoofdstuk breid je je model met 2 inputs uit naar 3 inputs, en leer je hoe je de functies summary en plot van Keras gebruikt om de parameters en topologie van je neurale netwerken te begrijpen. Aan het einde van het hoofdstuk weet je hoe je een 2-inputmodel uitbreidt naar 3 inputs en verder.
4
Meerdere outputs
In dit hoofdstuk bouw je neurale netwerken met meerdere outputs, die je kunt gebruiken om regressieproblemen met meerdere doelen op te lossen. Je bouwt ook een model dat tegelijk een regressie- en een classificatieprobleem oplost.
Advanced Deep Learning met Keras
Cursus
voltooid
