After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Получите введение в TensorFlow
Еще совсем недавно передовые алгоритмы компьютерного зрения не могли отличить изображения кошек от изображений собак. Сегодня опытный специалист по данным, вооружённый лишь ноутбуком, может классифицировать десятки тысяч объектов с большей точностью, чем человеческий глаз.В этом курсе вы будете использовать TensorFlow 2.6 для разработки, обучения и выполнения прогнозов с помощью моделей, которые обеспечили значительный прогресс в рекомендательных системах, классификации изображений и FinTech.
Используйте линейные модели для прогнозирования
Вы узнаете, как использовать TensorFlow 2.6 для построения прогнозов с помощью моделей линейной регрессии, а затем проверите свои знания, предсказывая цены на дома в округе Кинг. Этот раздел курса включает обзор функций потерь и того, как можно сократить расход ресурсов, обучая линейную модель пакетами.Обучите свою нейронную сеть
Во второй половине курса вы будете использовать те же инструменты, чтобы делать прогнозы с помощью нейронных сетей. Вы попрактикуетесь в обучении сети в TensorFlow, добавляя обучаемые переменные и используя свою модель и тестовые признаки для прогнозирования целевых значений.Объедините TensorFlow с API Keras
Добавьте мощный API Keras в свой арсенал и научитесь сочетать его с TensorFlow 2.6, чтобы делать прогнозы и оценивать модели. К концу этого курса вы поймёте, как использовать API Estimators, чтобы упростить определение модели и избежать ошибок.Предварительные требования
Программа
Структура курса
1
Введение в TensorFlow
Прежде чем строить сложные модели в TensorFlow 2, необходимо освоить основы. В этой главе вы научитесь определять константы и переменные, выполнять сложение и умножение тензоров, а также вычислять производные. Знание линейной алгебры будет полезным, но не обязательным.
- Константы и переменные50 XP
- Определение данных как констант100 XP
- Определение переменных100 XP
- Основные операции50 XP
- Поэлементное умножение100 XP
- Прогнозирование с помощью матричного умножения100 XP
- Суммирование по измерениям тензора50 XP
- Продвинутые операции50 XP
- Изменение формы тензоров100 XP
- Оптимизация с помощью градиентов100 XP
- Работа с данными изображений100 XP
2
Линейные модели
В этой главе вы научитесь строить модели в TensorFlow 2, решать задачи оптимизации и делать прогнозы. В центре внимания — линейная регрессия, с помощью которой вы будете предсказывать цены на жильё. К концу главы вы освоите загрузку и обработку данных, построение функций потерь, минимизацию, получение прогнозов, а также пакетное обучение для экономии ресурсов.
3
Нейронные сети
В предыдущих главах вы научились строить модели в TensorFlow 2. В этой главе вы применените те же инструменты для создания, обучения и использования нейронных сетей. Вы узнаете, как определять полносвязные слои, применять функции активации, выбирать оптимизатор и использовать регуляризацию для борьбы с переобучением. Вы воспользуетесь гибкостью TensorFlow, сочетая операции линейной алгебры низкого уровня и высокоуровневый Keras API для определения и обучения моделей.
4
Высокоуровневые API
В заключительной главе вы будете использовать высокоуровневые API TensorFlow 2 для обучения классификатора букв языка жестов. С помощью последовательного и функционального API Keras вы обучите модели, проведёте валидацию, получите прогнозы и оцените результаты. Вы также узнаете, как применять Estimators API для упрощения процесса определения и обучения моделей и предотвращения ошибок.
Введение в TensorFlow на Python
Курс
завершён
