After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Maak kennis met TensorFlow
Nog niet zo lang geleden konden de nieuwste computervisie-algoritmen geen verschil maken tussen foto's van katten en honden. Tegenwoordig kan een ervaren datawetenschapper met alleen een laptop tienduizenden objecten nauwkeuriger classificeren dan het menselijk oog.In deze cursus ga je TensorFlow 2.6 gebruiken om modellen te ontwikkelen, te trainen en voorspellingen te doen. Deze modellen hebben gezorgd voor grote vooruitgang op het gebied van aanbevelingssystemen, beeldclassificatie en FinTech.
Gebruik lineaire modellen om voorspellingen te doen
Je leert hoe je TensorFlow 2.6 kunt gebruiken om voorspellingen te doen met lineaire regressiemodellen, en je kunt je kennis testen door huizenprijzen in King County te voorspellen. Dit deel van de cursus gaat over verliesfuncties en hoe je je gebruik van bronnen kunt verminderen door je lineaire model in batches te trainen.Train je neurale netwerk
In de tweede helft van de cursus gebruik je dezelfde tools om voorspellingen te doen met behulp van neurale netwerken. Je gaat oefenen met het trainen van een netwerk in TensorFlow door trainbare variabelen toe te voegen en je model en testfuncties te gebruiken om doelwaarden te voorspellen.Combineer TensorFlow met de Keras API
Voeg de handige API van Keras toe aan je vaardigheden en leer hoe je die kunt combineren met TensorFlow 2.6 om voorspellingen te doen en modellen te evalueren. Aan het einde van deze cursus weet je hoe je de Estimators API kunt gebruiken om het definiëren van modellen makkelijker te maken en fouten te voorkomen.Vereisten
Curriculum
Cursusoverzicht
1
Introductie tot TensorFlow
Voordat je geavanceerde modellen in TensorFlow 2 kunt bouwen, is het belangrijk om de basis te begrijpen. In dit hoofdstuk leer je hoe je constanten en variabelen definieert, tensoren optelt en vermenigvuldigt, en afgeleiden berekent. Kennis van lineaire algebra is handig, maar niet noodzakelijk.
- Constanten en variabelen50 XP
- Gegevens definiëren als constanten100 XP
- Variabelen definiëren100 XP
- Basisbewerkingen50 XP
- Elementgewijze vermenigvuldiging uitvoeren100 XP
- Voorspellingen maken met matrixvermenigvuldiging100 XP
- Optellen over tensordimensies50 XP
- Geavanceerde bewerkingen50 XP
- Tensors reshapen100 XP
- Optimaliseren met gradiënten100 XP
- Werken met afbeeldingsdata100 XP
2
Lineaire modellen
In dit hoofdstuk leer je hoe je modellen in TensorFlow 2 bouwt, oplost en er voorspellingen mee doet. Je focust op een eenvoudige klasse van modellen — het lineaire regressiemodel — en probeert woningprijzen te voorspellen. Aan het einde van het hoofdstuk weet je hoe je data laadt en bewerkt, verliesfuncties opstelt, minimalisatie uitvoert, voorspellingen maakt en het middelenverbruik vermindert met batchtraining.
3
Neurale netwerken
In de vorige hoofdstukken heb je geleerd hoe je modellen bouwt in TensorFlow 2. In dit hoofdstuk pas je diezelfde tools toe om neurale netwerken te bouwen, te trainen en er voorspellingen mee te doen. Je leert hoe je dense lagen definieert, activatiefuncties toepast, een optimizer kiest en regularisatie inzet om overfitting te verminderen. Je benut de flexibiliteit van TensorFlow door zowel low-level lineaire algebra als high-level Keras-API-bewerkingen te gebruiken om modellen te definiëren en te trainen.
4
High-level API's
In het laatste hoofdstuk gebruik je high-level API’s in TensorFlow 2 om een classifier voor letters in gebarentaal te trainen. Je gebruikt zowel de sequentiële als de functionele Keras-API om modellen te trainen, te valideren, er voorspellingen mee te doen en ze te evalueren. Je leert ook hoe je de Estimators-API gebruikt om het definiëren en trainen van modellen te stroomlijnen en fouten te voorkomen.
Introductie tot TensorFlow in Python
Cursus
voltooid
