After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Keras funktionella API
I den här kursen lär du dig hur du löser komplexa problem med Keras funktionella API.Med en introduktion som utgångspunkt kommer du att bygga enkla funktionella nätverk, anpassa dem till data och göra förutsägelser. Du kommer också att lära dig hur man konstruerar modeller med flera indata och en enda utdata samt delar vikter mellan lager.
Nätverk med flera indata
Allt eftersom du går vidare får du utforska hur man bygger nätverk med två indata med hjälp av kategoriska inbäddningar, delade lager och sammanslagningslager. Dessa är de grundläggande byggstenarna för att utforma neurala nätverk med komplexa dataflöden.Det utvidgar dessa koncept till modeller med tre eller fler indata, och hjälper dig att förstå parametrarna och topologin i dina neurala nätverk med hjälp av Keras sammanfattnings- och plotfunktioner.
Nätverk med flera utdata
I de avslutande interaktiva övningarna arbetar du med nätverk med flera utdata, som kan lösa regressionsproblem med flera mål och till och med hantera både regressions- och klassificeringsuppgifter samtidigt.I slutet av kursen kommer du att ha praktisk erfarenhet av avancerade tekniker inom djupinlärning för att ta din karriär som data scientist vidare, inklusive att utvärdera dina modeller på ny data med hjälp av flera mätvärden.
Förkunskapskrav
Kursplan
Kursöversikt
1
Keras funktionella API
I det här kapitlet bekantar du dig med grunderna i Keras funktionella API. Du bygger ett enkelt funktionellt nätverk med funktionella byggblock, anpassar det till data och gör prediktioner.
- Keras input- och dense-lager50 XP
- Indatalager100 XP
- Täta lager100 XP
- Utdatalager100 XP
- Bygg och kompilera en modell50 XP
- Bygg en modell100 XP
- Kompilera en modell100 XP
- Visualisera en modell100 XP
- Träna och utvärdera en modell50 XP
- Träna modellen på basketturneringsdatan100 XP
- Utvärdera modellen på en testmängd100 XP
2
Nätverk med två ingångar: kategoriinbäddningar, delade lager och sammanslagningslager
I det här kapitlet bygger du nätverk med två ingångar som använder kategoriinbäddningar för att representera data med hög kardinalitet, delade lager för att definiera återanvändbara byggblock, och sammanslagningslager för att kombinera flera ingångar till en enda utgång. När du är klar med kapitlet har du de grundläggande byggblocken för att utforma neurala nätverk med komplexa dataflöden.
3
Flera ingångar: 3 ingångar och mer
I det här kapitlet utökar du din modell med 2 ingångar till 3 ingångar och lär dig använda Keras sammanfattnings- och plotfunktioner för att förstå parametrarna och topologin i dina neurala nätverk. När du är klar med kapitlet förstår du hur du utökar en modell från 2 till 3 ingångar och bortom.
4
Flera utgångar
I det här kapitlet bygger du neurala nätverk med flera utgångar, vilket kan användas för att lösa regressionsproblem med flera mål. Du bygger även en modell som löser ett regressionsproblem och ett klassificeringsproblem samtidigt.
Avancerad djupinlärning med Keras
Kurs
slutförd
