Build your ultimate AI agent
Описание курса
Откройте для себя применение глубокого обучения
Глубокое обучение — это метод машинного обучения, лежащий в основе самых впечатляющих возможностей в робототехнике, обработке естественного языка, распознавании изображений и искусственном интеллекте. В этом 4-часовом курсе вы получите практические навыки применения Python для глубокого обучения с библиотекой Keras 2.0.Изучите модели Keras вместе с разработчиком библиотеки
Курс по глубокому обучению, который ведет бывший специалист по данным Google и участник проекта Keras Дэн Бекер, знакомит с моделями нейронных сетей и тем, как с их помощью можно строить прогнозы. Первые главы помогут вам лучше понять как прямое, так и обратное распространение и то, как они работают на практике.Библиотека Keras — это библиотека Python, которая может помочь вам разрабатывать и оценивать модели глубокого обучения. Как и многие библиотеки Python, она бесплатна, с открытым исходным кодом и очень удобна в использовании. Вы начнёте с создания модели Keras и узнаете, как компилировать, обучать и классифицировать её, прежде чем переходить к прогнозам. После завершения этого курса у вас будут все инструменты, необходимые для создания глубоких нейронных сетей и постепенного начала экспериментов с более широкими и более глубокими сетями.
Углубитесь в глубокое обучение
Этот курс входит в несколько треков по машинному обучению и глубокому обучению, предлагая вам понятные пути для развития навыков и получения практического опыта в этой области после завершения вводного курса — независимо от того, хотите ли вы реализовать личный проект или двигаться к карьере специалиста по машинному обучению.Предварительные требования
Программа
Структура курса
1
Основы глубокого обучения и нейронных сетей
В этой главе вы познакомитесь с основными концепциями и терминологией глубокого обучения, а также поймёте, почему методы глубокого обучения столь эффективны сегодня. Вы построите простые нейронные сети и получите с их помощью первые прогнозы.
- Введение в глубокое обучение50 XP
- Сравнение нейронных сетей с классическими регрессионными моделями50 XP
- Прямое распространение50 XP
- Программируем алгоритм прямого распространения100 XP
- Функции активации50 XP
- Функция активации ReLU100 XP
- Применение сети к множеству наблюдений/строк данных100 XP
- Более глубокие сети50 XP
- Прямое распространение в более глубокой сети50 XP
- Многослойные нейронные сети100 XP
- Представления формируются в процессе обучения50 XP
- Уровни представления50 XP
2
Оптимизация нейронной сети с помощью обратного распространения
Узнайте, как улучшить прогнозы, которые строят ваши нейронные сети. Вы воспользуетесь методом обратного распространения ошибки — одним из важнейших методов в глубоком обучении. Понимание его работы создаст прочную основу для второй половины курса.
3
Построение моделей глубокого обучения с помощью Keras
В этой главе вы будете использовать библиотеку Keras для построения моделей глубокого обучения — как для регрессии, так и для классификации. Вы освоите рабочий процесс «Задать – Скомпилировать – Обучить», с помощью которого можно строить прогнозы, и к концу главы получите все необходимые инструменты для создания глубоких нейронных сетей.
4
Тонкая настройка моделей Keras
Узнайте, как оптимизировать модели глубокого обучения в Keras. Начните с валидации моделей, затем разберитесь с понятием ёмкости модели и, наконец, поэкспериментируйте с более широкими и глубокими сетями.
Введение в глубокое обучение на Python
Курс
завершён
