After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Uczenie głębokie to już standard! To podstawowa technika rozwiązywania złożonych problemów z danymi niestrukturyzowanymi i doskonałe narzędzie do innowacji. Keras to jedna z bibliotek, która ułatwia rozpoczęcie pracy z modelami uczenia głębokiego – i jest na tyle wszechstronna, że pozwala budować modele gotowe do wdrożenia produkcyjnego. W tym kursie nauczysz się regresji i ocalisz Ziemię, przewidując trajektorie asteroid, zastosujesz klasyfikację binarną do odróżniania prawdziwych banknotów od fałszywych, skorzystasz z klasyfikacji wieloklasowej, by ustalić, kto rzucił którą strzałką w tarczę, oraz użyjesz sieci neuronowych do rekonstrukcji zaszumionych obrazów – i wiele więcej. Dowiesz się też, jak lepiej kontrolować modele podczas trenowania i jak je dostrajać, aby osiągały lepsze wyniki.
Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do Keras
W pierwszym rozdziale poznasz sieci neuronowe, zrozumiesz, jakie problemy potrafią rozwiązywać i kiedy warto po nie sięgnąć. Zbudujesz też kilka sieci i ocalisz Ziemię, trenując model regresji, który przybliża orbitę zbliżającego się meteoru!
- Czym jest Keras?50 XP
- Opisywanie Kerasa50 XP
- Czy użyjesz uczenia głębokiego?50 XP
- Twoja pierwsza sieć neuronowa50 XP
- Sieci neuronowe – pierwsze kroki!100 XP
- Liczenie parametrów100 XP
- Zbuduj zgodnie ze schematem!100 XP
- Jak przeżyć uderzenie meteorytu50 XP
- Definiowanie modelu100 XP
- Trenowanie modelu100 XP
- Przewidywanie orbity!100 XP
2
Głębiej w sieci neuronowe
Po ukończeniu tego rozdziału będziesz wiedzieć, jak rozwiązywać problemy binarne, wieloklasowe i wieloetykietowe za pomocą sieci neuronowych. Nauczysz się tego, wykrywając fałszywe banknoty, ustalając, kto rzucił którą strzałką w tarczę, i budując inteligentny system nawadniania pola. Dowiesz się też, jak wizualizować metryki trenowania modelu oraz jak zatrzymywać trening i zapisywać modele, gdy przestają się poprawiać.
3
Poprawa wydajności modelu
W poprzednich rozdziałach wytrenowałeś sporo modeli! Teraz nauczysz się interpretować krzywe uczenia, aby lepiej rozumieć, co dzieje się podczas trenowania. Zwizualizujesz też wpływ funkcji aktywacji, rozmiarów wsadu i normalizacji wsadowej. Na koniec poznasz sposób automatycznej optymalizacji hiperparametrów modeli Keras z użyciem sklearn.
4
Zaawansowane architektury modeli
Czas na bardziej zaawansowane architektury! Zbudujesz autoenkoder do rekonstrukcji zaszumionych obrazów, zwizualizujesz aktywacje splotowej sieci neuronowej, wykorzystasz wstępnie wytrenowane modele do klasyfikacji obrazów, a także poznasz rekurencyjne sieci neuronowe i pracę z tekstem – budując sieć przewidującą kolejne słowo w zdaniu.
Wprowadzenie do uczenia głębokiego z Keras
Kurs
ukończony
