After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Odkryj zastosowania deep learningu
Deep learning to technika uczenia maszynowego stojąca za najbardziej ekscytującymi możliwościami w robotyce, przetwarzaniu języka naturalnego, rozpoznawaniu obrazów i sztucznej inteligencji. W tym 4-godzinnym kursie zdobędziesz praktyczną wiedzę, jak wykorzystać swoje umiejętności Pythona w deep learningu z biblioteką Keras 2.0.Poznaj modele Keras z twórcą biblioteki
Prowadzony przez byłego data scientistę Google i współtwórcę Keras, Dana Beckera, ten kurs deep learningu zgłębia modele sieci neuronowych oraz to, jak możesz za ich pomocą generować predykcje. Pierwsze rozdziały poszerzą Twoje zrozumienie zarówno propagacji w przód, jak i propagacji wstecznej oraz tego, jak działają w praktyce.Biblioteka Keras to biblioteka Python, która może pomóc Ci tworzyć i analizować modele deep learning. Podobnie jak wiele bibliotek Pythona, jest darmowa, open source i bardzo przyjazna dla użytkownika. Zaczniesz od stworzenia modelu Keras i nauczysz się, jak go kompilować, dopasowywać i klasyfikować, zanim zaczniesz tworzyć prognozy. Po ukończeniu tego kursu będziesz mieć wszystkie narzędzia potrzebne do budowania głębokich sieci neuronowych i z czasem zaczniesz eksperymentować z szerszymi i głębszymi sieciami.
Zagłęb się jeszcze bardziej w deep learning
Ten kurs jest częścią kilku ścieżek uczenia maszynowego i deep learningu, oferując Ci jasne możliwości rozwijania umiejętności i zdobywania doświadczenia w tej dziedzinie po ukończeniu kursu wprowadzającego — niezależnie od tego, czy chcesz zrealizować własny projekt, czy zmierzać w stronę kariery jako Machine Learning Scientist.Wymagania wstępne
Program kursu
Plan kursu
1
Podstawy uczenia głębokiego i sieci neuronowych
W tym rozdziale zapoznasz się z podstawowymi pojęciami i terminologią stosowaną w uczeniu głębokim oraz zrozumiesz, dlaczego techniki uczenia głębokiego są dziś tak skuteczne. Zbudujesz proste sieci neuronowe i wygenerujesz za ich pomocą pierwsze predykcje.
- Wprowadzenie do uczenia głębokiego50 XP
- Porównanie modeli sieci neuronowych z klasycznymi modelami regresji50 XP
- Propagacja w przód50 XP
- Kodowanie algorytmu propagacji w przód100 XP
- Funkcje aktywacji50 XP
- Rektyfikowana liniowa funkcja aktywacji100 XP
- Stosowanie sieci do wielu obserwacji/wierszy danych100 XP
- Głębsze sieci50 XP
- Propagacja w przód w głębszej sieci50 XP
- Wielowarstwowe sieci neuronowe100 XP
- Reprezentacje są uczone50 XP
- Poziomy reprezentacji50 XP
2
Optymalizacja sieci neuronowej za pomocą propagacji wstecznej
Dowiedz się, jak optymalizować predykcje generowane przez sieci neuronowe. Poznasz metodę zwaną propagacją wsteczną – jedną z najważniejszych technik w uczeniu głębokim. Zrozumienie jej działania zapewni ci solidne podstawy do dalszej pracy w drugiej części kursu.
3
Budowanie modeli uczenia głębokiego z Keras
W tym rozdziale użyjesz biblioteki Keras do budowania modeli uczenia głębokiego – zarówno do regresji, jak i klasyfikacji. Poznasz schemat pracy Określ–Skompiluj–Dopasuj, który pozwoli ci generować predykcje. Pod koniec rozdziału będziesz mieć wszystkie narzędzia potrzebne do budowania głębokich sieci neuronowych.
4
Dostrajanie modeli Keras
Dowiedz się, jak optymalizować modele uczenia głębokiego w Keras. Zacznij od walidacji modeli, następnie poznaj pojęcie pojemności modelu, a na koniec eksperymentuj z szerszymi i głębszymi sieciami.
Wprowadzenie do uczenia głębokiego w Pythonie
Kurs
ukończony
