After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Funkcjonalne API Keras
W tym kursie nauczysz się, jak rozwiązywać złożone problemy za pomocą funkcjonalnego API Keras.Zaczynając od wprowadzenia, zbudujesz proste sieci funkcyjne, dopasujesz je do danych i będziesz tworzyć prognozy. Nauczysz się także, jak tworzyć modele z wieloma wejściami i pojedynczym wyjściem oraz jak współdzielić wagi między warstwami.
Sieci wielowejściowe
W miarę postępów poznasz tworzenie sieci z dwoma wejściami z wykorzystaniem osadzeń kategorycznych, warstw współdzielonych i warstw łączenia. To są podstawowe elementy składowe projektowania sieci neuronowych ze złożonymi przepływami danych.Rozszerza te koncepcje na modele z trzema lub większą liczbą wejść, pomagając zrozumieć parametry i topologię sieci neuronowych za pomocą funkcji summary i plot w Kerasie.
Sieci wielowyjściowe
W końcowych ćwiczeniach interaktywnych będziesz pracować z sieciami wielowyjściowymi, które potrafią rozwiązywać problemy regresji z wieloma celami, a nawet jednocześnie obsługiwać zadania regresji i klasyfikacji.Po ukończeniu kursu zdobędziesz praktyczne doświadczenie z zaawansowanymi technikami deep learning, które pomogą Ci rozwinąć karierę jako data scientist, w tym ocenianie modeli na nowych danych przy użyciu wielu metryk.
Wymagania wstępne
Program kursu
Plan kursu
1
Funkcjonalne API Keras
W tym rozdziale zapoznasz się z podstawami funkcjonalnego API Keras. Zbudujesz prostą sieć funkcjonalną, korzystając z funkcjonalnych bloków konstrukcyjnych, dostosujesz ją do danych i wykonasz predykcje.
- Warstwy wejściowe i gęste w Keras50 XP
- Warstwy wejściowe100 XP
- Warstwy gęste100 XP
- Warstwy wyjściowe100 XP
- Budowanie i kompilowanie modelu50 XP
- Zbuduj model100 XP
- Kompilacja modelu100 XP
- Wizualizacja modelu100 XP
- Dopasowanie i ocena modelu50 XP
- Dopasuj model do danych z turnieju koszykówki100 XP
- Oceń model na zbiorze testowym100 XP
2
Sieci dwuwejściowe z osadzeniami kategorii, warstwami współdzielonymi i warstwami scalającymi
W tym rozdziale zbudujesz sieci dwuwejściowe, które wykorzystują osadzenia kategorii do reprezentowania danych o wysokiej kardynalności, warstwy współdzielone do definiowania bloków wielokrotnego użytku oraz warstwy scalające do łączenia wielu wejść w jedno wyjście. Pod koniec rozdziału będziesz dysponować podstawowymi blokami konstrukcyjnymi do projektowania sieci neuronowych o złożonym przepływie danych.
3
Wiele wejść: 3 wejścia i więcej!
W tym rozdziale rozszerzysz model dwuwejściowy do trzech wejść i nauczysz się korzystać z funkcji podsumowania i wizualizacji w Keras, aby lepiej zrozumieć parametry i topologię sieci neuronowych. Pod koniec rozdziału będziesz wiedzieć, jak rozbudować model dwuwejściowy do trzech wejść i więcej.
4
Wiele wyjść
W tym rozdziale zbudujesz sieci neuronowe z wieloma wyjściami, które można wykorzystać do rozwiązywania problemów regresji z wieloma zmiennymi docelowymi. Zbudujesz też model, który jednocześnie rozwiązuje problem regresji i problem klasyfikacji.
Zaawansowane uczenie głębokie z Keras
Kurs
ukończony
