Cursus
Introductie tot Deep Learning in Python
GemiddeldVaardigheidsniveau
Bijgewerkt 11-2022Start Cursus Kosteloos
Inbegrepen bijPremium or Teams
PythonArtificial Intelligence4 u17 videos50 Opdrachten3,500 XP260K+Prestatieverklaring
Maak je gratis account aan
of
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.Geliefd bij leerlingen van duizenden bedrijven
Wil je 2 of meer mensen trainen?
Probeer DataCamp for BusinessCursusbeschrijving
Ontdek toepassingen van deep learning
Deep learning is de machine learning-techniek die achter de meest opwindende mogelijkheden op het gebied van robotica, natuurlijke taalverwerking, beeldherkenning en kunstmatige intelligentie zit. In deze cursus van 4 uur leer je hoe je je Python-vaardigheden kunt gebruiken voor deep learning met de Keras 2.0-bibliotheek.Ontdek Keras-modellen met een bibliotheekbijdrager
Deze cursus over deep learning wordt gegeven door Dan Becker, een voormalig datawetenschapper bij Google en medewerker van Keras. Je leert over neurale netwerkmodellen en hoe je daarmee voorspellingen kunt doen. De eerste hoofdstukken geven je meer inzicht in zowel voorwaartse als achterwaartse propagatie en hoe deze in de praktijk werken.De Keras-bibliotheek is een Python-bibliotheek die je kan helpen bij het ontwikkelen en beoordelen van deep learning-modellen. Net als veel andere Python-bibliotheken is het gratis, open source en super makkelijk te gebruiken. Je begint met het maken van een Keras-model en leert hoe je het kunt compileren, aanpassen en classificeren voordat je voorspellingen doet. Als je deze cursus hebt gedaan, heb je alle tools die je nodig hebt om diepe neurale netwerken te bouwen en na verloop van tijd te experimenteren met bredere en diepere netwerken.
Duik dieper in deep learning
Deze cursus is onderdeel van verschillende machine learning- en deep learning-trajecten en biedt je een duidelijk pad om je vaardigheden en ervaring op dit gebied op te bouwen zodra je de inleidende cursus hebt afgerond, of je nu een persoonlijk project wilt voltooien of een carrière als machine learning-wetenschapper wilt nastreven.Vereisten
Supervised Learning with scikit-learn1
Basics of deep learning and neural networks
In this chapter, you'll become familiar with the fundamental concepts and terminology used in deep learning, and understand why deep learning techniques are so powerful today. You'll build simple neural networks and generate predictions with them.
2
Optimizing a neural network with backward propagation
Learn how to optimize the predictions generated by your neural networks. You'll use a method called backward propagation, which is one of the most important techniques in deep learning. Understanding how it works will give you a strong foundation to build on in the second half of the course.
3
Building deep learning models with keras
In this chapter, you'll use the Keras library to build deep learning models for both regression and classification. You'll learn about the Specify-Compile-Fit workflow that you can use to make predictions, and by the end of the chapter, you'll have all the tools necessary to build deep neural networks.
4
Fine-tuning keras models
Learn how to optimize your deep learning models in Keras. Start by learning how to validate your models, then understand the concept of model capacity, and finally, experiment with wider and deeper networks.
Introductie tot Deep Learning in Python
Cursus voltooid
Verdien een prestatieverklaring
Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitaeDeel het op sociale media en in je functioneringsgesprek
Inbegrepen bijPremium or Teams
Schrijf Je Nu inSluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Introductie tot Deep Learning in Python!
Maak je gratis account aan
of
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.