After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Få en introduktion till TensorFlow
För inte så länge sedan kunde banbrytande datorseendealgoritmer inte skilja mellan bilder av katter och hundar. I dag kan en skicklig data scientist, utrustad med inget mer än en bärbar dator, klassificera tiotusentals objekt med större noggrannhet än det mänskliga ögat.I den här kursen kommer du att använda TensorFlow 2.6 för att utveckla, träna och göra förutsägelser med de modeller som har drivit stora framsteg inom rekommendationssystem, bildklassificering och FinTech.
Använd linjära modeller för att göra förutsägelser
Du kommer att upptäcka hur du använder TensorFlow 2.6 för att göra förutsägelser med linjär regressionsmodeller, och du kommer att testa dina kunskaper genom att förutsäga huspriser i King County. Detta avsnitt av kursen innehåller en genomgång av förlustfunktioner och hur du kan minska din resursanvändning genom att träna din linjära modell i batcher.Träna ditt neurala nätverk
Under den andra halvan av kursen kommer du att använda samma verktyg för att göra förutsägelser med hjälp av neurala nätverk. Du kommer att öva på att träna ett nätverk i TensorFlow genom att lägga till träningsbara variabler och använda din modell och testfunktioner för att förutsäga målvärden.Kombinera TensorFlow med Keras API
Lägg till Keras kraftfulla API i din verktygslåda och lär dig kombinera det med TensorFlow 2.6 för att göra förutsägelser och utvärdera modeller. I slutet av den här kursen kommer du att förstå hur du använder Estimators API för att effektivisera modelldefinitionen och undvika fel.Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till TensorFlow
Innan du kan bygga avancerade modeller i TensorFlow 2 behöver du förstå grunderna. I det här kapitlet lär du dig att definiera konstanter och variabler, utföra addition och multiplikation med tensorer samt beräkna derivator. Kunskaper i linjär algebra är en fördel men inget krav.
- Konstanter och variabler50 XP
- Definiera data som konstanter100 XP
- Definiera variabler100 XP
- Grundläggande operationer50 XP
- Elementvis multiplikation100 XP
- Göra förutsägelser med matrismultiplikation100 XP
- Summering över tensordimensioner50 XP
- Avancerade operationer50 XP
- Omformning av tensorer100 XP
- Optimering med gradienter100 XP
- Arbeta med bilddata100 XP
2
Linjära modeller
I det här kapitlet lär du dig att bygga och lösa modeller i TensorFlow 2 samt att göra förutsägelser med dem. Du fokuserar på en enkel modelltyp – den linjära regressionsmodellen – och försöker förutsäga bostadspriser. I slutet av kapitlet vet du hur du läser in och hanterar data, konstruerar förlustfunktioner, utför minimering, gör förutsägelser och minskar resursanvändningen med batchträning.
3
Neurala nätverk
I de tidigare kapitlen lärde du dig att bygga modeller i TensorFlow 2. I det här kapitlet använder du samma verktyg för att bygga, träna och göra förutsägelser med neurala nätverk. Du lär dig att definiera täta lager, använda aktiveringsfunktioner, välja optimerare och tillämpa regularisering för att minska överanpassning. Du utnyttjar TensorFlows flexibilitet genom att använda både lågnivåoperationer i linjär algebra och högnivåoperationer i Keras API för att definiera och träna modeller.
4
Högnivå-API:er
I det sista kapitlet använder du högnivå-API:er i TensorFlow 2 för att träna en klassificerare för teckenspråksbokstäver. Du använder både det sekventiella och det funktionella Keras API för att träna, validera, göra förutsägelser med och utvärdera modeller. Du lär dig också att använda Estimators API för att effektivisera definitionen och träningsprocessen för modeller samt för att undvika fel.
Introduktion till TensorFlow i Python
Kurs
slutförd
