After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Poznaj podstawy TensorFlow
Jeszcze niedawno najnowocześniejsze algorytmy widzenia komputerowego nie potrafiły odróżnić obrazów kotów od psów. Dziś wykwalifikowany data scientist, wyposażony jedynie w laptop, może klasyfikować dziesiątki tysięcy obiektów z większą dokładnością niż ludzkie oko.W tym kursie wykorzystasz TensorFlow 2.6 do tworzenia, trenowania i wykonywania predykcji za pomocą modeli, które napędzały przełomowe postępy w systemach rekomendacji, klasyfikacji obrazów i FinTech.
Wykorzystaj modele liniowe do tworzenia prognoz
Odkryjesz, jak używać TensorFlow 2.6 do tworzenia prognoz za pomocą modeli regresji liniowej, a swoją wiedzę sprawdzisz, przewidując ceny domów w hrabstwie King. Ta część kursu obejmuje omówienie funkcji straty oraz tego, jak możesz zmniejszyć zużycie zasobów, trenując swój model liniowy w partiach.Trenuj swoją sieć neuronową
W drugiej połowie kursu wykorzystasz te same narzędzia do tworzenia prognoz za pomocą sieci neuronowych. Będziesz ćwiczyć trenowanie sieci w TensorFlow, dodając trenowalne zmienne oraz wykorzystując swój model i cechy testowe do przewidywania wartości docelowych.Połącz TensorFlow z API Keras
Dodaj do swojego repertuaru potężne API Keras i naucz się łączyć je z TensorFlow 2.6, aby tworzyć prognozy i oceniać modele. Po ukończeniu tego kursu zrozumiesz, jak korzystać z Estimators API, aby usprawnić definiowanie modeli i unikać błędów.Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do TensorFlow
Zanim zaczniesz budować zaawansowane modele w TensorFlow 2, musisz opanować podstawy. W tym rozdziale nauczysz się definiować stałe i zmienne, wykonywać dodawanie i mnożenie tensorów oraz obliczać pochodne. Znajomość algebry liniowej będzie pomocna, ale nie jest wymagana.
- Stałe i zmienne50 XP
- Definiowanie danych jako stałych100 XP
- Definiowanie zmiennych100 XP
- Podstawowe operacje50 XP
- Mnożenie element po elemencie100 XP
- Przewidywanie wartości za pomocą mnożenia macierzy100 XP
- Sumowanie po wymiarach tensora50 XP
- Zaawansowane operacje50 XP
- Zmiana kształtu tensorów100 XP
- Optymalizacja za pomocą gradientów100 XP
- Praca z danymi obrazowymi100 XP
2
Modele liniowe
W tym rozdziale nauczysz się budować modele w TensorFlow 2, znajdować ich rozwiązania i korzystać z nich do prognozowania. Skupisz się na prostej klasie modeli – modelu regresji liniowej – i spróbujesz przewidzieć ceny nieruchomości. Pod koniec rozdziału będziesz wiedzieć, jak wczytywać i przetwarzać dane, konstruować funkcje straty, przeprowadzać minimalizację, generować prognozy oraz ograniczać zużycie zasobów dzięki trenowaniu wsadowemu.
3
Sieci neuronowe
W poprzednich rozdziałach poznałeś/poznałaś metody budowania modeli w TensorFlow 2. Teraz wykorzystasz te same narzędzia do tworzenia, trenowania i generowania prognoz za pomocą sieci neuronowych. Nauczysz się definiować warstwy gęste, stosować funkcje aktywacji, dobierać optymalizator oraz używać regularyzacji, aby ograniczyć przeuczenie. Skorzystasz z elastyczności TensorFlow, łącząc niskopoziomowe operacje algebry liniowej z wysokopoziomowymi operacjami Keras API do definiowania i trenowania modeli.
4
Wysokopoziomowe API
W ostatnim rozdziale użyjesz wysokopoziomowych API w TensorFlow 2, aby wytrenować klasyfikator liter języka migowego. Skorzystasz z sekwencyjnego i funkcyjnego API Keras do trenowania, walidowania, prognozowania i ewaluacji modeli. Dowiesz się też, jak używać Estimators API, aby uprościć proces definiowania i trenowania modeli oraz unikać błędów.
Wprowadzenie do TensorFlow w Pythonie
Kurs
ukończony
