Build your ultimate AI agent
Descrierea cursului
Descoperă aplicațiile învățării profunde
Deep learning este tehnica de machine learning din spatele celor mai captivante capabilități din robotică, procesarea limbajului natural, recunoașterea imaginilor și inteligența artificială. În acest curs de 4 ore, vei dobândi cunoștințe practice, aplicate, despre cum să îți folosești abilitățile de Python pentru deep learning cu biblioteca Keras 2.0.Explorează modelele Keras cu un contributor la bibliotecă
Predat de fostul data scientist de la Google și contributor Keras, Dan Becker, acest curs de deep learning explorează modelele de rețele neuronale și cum poți genera predicții cu ele. Primele capitole îți vor dezvolta înțelegerea atât a propagării înainte, cât și a propagării înapoi și a modului în care funcționează în practică.Biblioteca Keras este o bibliotecă Python care te poate ajuta să dezvolți și să analizezi modele de deep learning. Ca multe biblioteci Python, este gratuită, open-source și foarte ușor de utilizat. Vei începe prin a crea un model Keras și vei învăța cum să-l compilezi, să-l antrenezi și să-l clasifici înainte de a face predicții. După ce vei finaliza acest curs, vei avea toate instrumentele de care ai nevoie pentru a construi rețele neuronale profunde și pentru a începe să experimentezi, în timp, cu rețele mai largi și mai profunde.
Pătrundeți mai adânc în Deep Learning
Acest curs face parte din mai multe trasee de machine learning și deep learning, oferindu-ți căi clare pentru a-ți dezvolta abilitățile și experiența în acest domeniu după ce ai finalizat cursul introductiv, fie că vrei să duci la capăt un proiect personal, fie că vrei să te îndrepți către o carieră ca Machine Learning Scientist.Cerințe prealabile
Curriculum
Structura cursului
1
Bazele învățării profunde și ale rețelelor neuronale
În acest capitol, te vei familiariza cu conceptele fundamentale și terminologia folosite în învățarea profundă și vei înțelege de ce tehnicile de deep learning sunt atât de puternice astăzi. Vei construi rețele neuronale simple și vei genera predicții cu ajutorul lor.
- Introducere în învățarea profundă50 XP
- Compararea modelelor de rețele neuronale cu modelele de regresie clasică50 XP
- Propagare înainte50 XP
- Implementarea algoritmului de propagare înainte100 XP
- Funcții de activare50 XP
- Funcția de activare ReLU100 XP
- Aplicarea rețelei pe mai multe observații/rânduri de date100 XP
- Rețele mai profunde50 XP
- Propagarea înainte într-o rețea mai adâncă50 XP
- Rețele neuronale cu mai multe straturi100 XP
- Reprezentările sunt învățate50 XP
- Niveluri de reprezentare50 XP
2
Optimizarea unei rețele neuronale prin propagare înapoi
Află cum să optimizezi predicțiile generate de rețelele tale neuronale. Vei folosi o metodă numită propagare înapoi, una dintre cele mai importante tehnici din învățarea profundă. Înțelegerea modului în care funcționează îți va oferi o bază solidă pentru a doua jumătate a cursului.
3
Construirea modelelor de deep learning cu Keras
În acest capitol, vei folosi biblioteca Keras pentru a construi modele de deep learning atât pentru regresie, cât și pentru clasificare. Vei învăța fluxul de lucru Specificare–Compilare–Antrenare, pe care îl poți folosi pentru a face predicții. La finalul capitolului, vei avea toate instrumentele necesare pentru a construi rețele neuronale profunde.
4
Ajustarea fină a modelelor Keras
Află cum să îți optimizezi modelele de deep learning în Keras. Începe prin a învăța cum să validezi modelele, apoi înțelege conceptul de capacitate a modelului și, în final, experimentează cu rețele mai largi și mai profunde.
Introducere în Deep Learning în Python
Curs
finalizat
