Build your ultimate AI agent
Descrierea cursului
Obțineți o introducere în TensorFlow
Nu cu mult timp în urmă, algoritmii de viziune computerizată de ultimă generație nu puteau face diferența între imaginile cu pisici și câini. Astăzi, un data scientist priceput, echipat cu nimic mai mult decât un laptop, poate clasifica zeci de mii de obiecte cu o acuratețe mai mare decât ochiul uman.În acest curs, vei folosi TensorFlow 2.6 pentru a dezvolta, antrena și face predicții cu modelele care au stat la baza unor progrese majore în sistemele de recomandare, clasificarea imaginilor și FinTech.
Folosește modele liniare pentru a face predicții
Vei descoperi cum să folosești TensorFlow 2.6 pentru a face predicții folosind modele de regresie liniară și îți vei testa cunoștințele prezicând prețurile locuințelor din King County. Această secțiune a cursului include o prezentare a funcțiilor de pierdere și a modului în care poți reduce consumul de resurse antrenând modelul tău liniar în loturi.Antrenează-ți rețeaua neuronală
În a doua jumătate a cursului, vei folosi aceleași instrumente pentru a face predicții folosind rețele neuronale. Vei exersa antrenarea unei rețele în TensorFlow, adăugând variabile antrenabile și folosind modelul și caracteristicile de test pentru a prezice valorile țintă.Combină TensorFlow cu API-ul Keras
Adaugă API-ul puternic al Keras în repertoriul tău și învață să îl combini cu TensorFlow 2.6 pentru a face predicții și a evalua modelele. La finalul acestui curs, vei înțelege cum să folosești API-ul Estimators pentru a eficientiza definirea modelelor și pentru a evita erorile.Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în TensorFlow
Înainte de a construi modele avansate în TensorFlow 2, trebuie să înțelegi elementele de bază. În acest capitol, vei învăța cum să definești constante și variabile, să efectuezi adunări și înmulțiri cu tensori și să calculezi derivate. Cunoștințele de algebră liniară sunt utile, dar nu obligatorii.
- Constante și variabile50 XP
- Definirea datelor ca constante100 XP
- Definirea variabilelor100 XP
- Operații de bază50 XP
- Înmulțire element cu element100 XP
- Generarea predicțiilor prin înmulțirea matricelor100 XP
- Suma pe dimensiunile tensorului50 XP
- Operații avansate50 XP
- Remodelarea tensorilor100 XP
- Optimizare cu gradienți100 XP
- Lucrul cu date de tip imagine100 XP
2
Modele liniare
În acest capitol, vei învăța cum să construiești, să rezolvi și să faci predicții cu modele în TensorFlow 2. Te vei concentra pe o clasă simplă de modele – modelul de regresie liniară – și vei încerca să prezici prețurile locuințelor. La finalul capitolului, vei ști cum să încarci și să manipulezi date, să construiești funcții de pierdere, să efectuezi minimizare, să faci predicții și să reduci consumul de resurse prin antrenament pe loturi.
3
Rețele neuronale
Capitolele anterioare te-au învățat cum să construiești modele în TensorFlow 2. În acest capitol, vei aplica aceleași tehnici pentru a construi, antrena și face predicții cu rețele neuronale. Vei învăța cum să definești straturi dense, să aplici funcții de activare, să alegi un optimizer și să aplici regularizare pentru a reduce supraadaptarea. Vei profita de flexibilitatea TensorFlow folosind atât algebră liniară de nivel scăzut, cât și operații din API-ul Keras de nivel înalt, pentru a defini și antrena modele.
4
API-uri de nivel înalt
În ultimul capitol, vei folosi API-uri de nivel înalt din TensorFlow 2 pentru a antrena un clasificator de litere din limbajul semnelor. Vei utiliza atât API-ul Keras secvențial, cât și cel funcțional, pentru a antrena, valida, face predicții și evalua modele. Vei învăța, de asemenea, cum să folosești API-ul Estimators pentru a simplifica procesul de definire și antrenare a modelelor și pentru a evita erorile.
Introducere în TensorFlow în Python
Curs
finalizat
