Deep learning‑tutorials

Leer wat Generative Adversarial Networks zijn zonder in de wiskundige details te duiken, en codeer een eenvoudige GAN die cijfers kan genereren!

In deze tutorial leer je hoe je krachtige applicaties zoals Prisma kunt implementeren met TensorFlow 2.0.

Leer je weg te vinden in het landschap van veelgebruikte activatiefuncties—van de rotsvaste ReLU tot de probabilistische kracht van softmax.

Inzicht in deep neural networks en hun betekenis in de moderne deep‑learningwereld van kunstmatige intelligentie

In deze tutorial leer je over Tensors, PyTorch en hoe je met PyTorch een eenvoudig neuraal netwerk maakt.

Leer over Kolmogorov-Arnold-netwerken (KAN’s), een nieuw type neuraal netwerk met betere uitlegbaarheid en nauwkeurigheid dan traditionele modellen.

Er is een optimaal aantal verborgen lagen en neuronen voor een kunstmatig neuraal netwerk (ANN). Deze tutorial bespreekt een eenvoudige aanpak om de optimale aantallen lagen en neuronen voor ANN's te bepalen.

In deze tutorial implementeer je een medisch-imagingpaper met deep learning in Python met Keras.

Begrijp de binnenkant van LSTM-netwerken, de basis voor moderne LLM’s. Verken gatingmechanismen, gradiënten en bouw een sentimentclassificator met PyTorch.

In deze tutorial krijg je een overzicht van Artificial Intelligence (AI) en kijk je van dichterbij naar wat Machine Learning (ML) en Deep Learning van elkaar onderscheidt.

Ontdek de belangrijkste verschillen tussen PyTorch, TensorFlow en Keras - drie van de populairste deep-learningframeworks. Begrijp hun unieke features, voor- en nadelen en usecases om de juiste tool voor jouw project te kiezen.

In deze tutorial leer en begrijp je hoe je hersenbeelden uit magnetische resonantie beeldvorming (MRI) in nifti-formaat leest en ze reconstrueert met een convolutionele auto-encoder.