After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Функціональний API Keras
У цьому курсі ви навчитеся розв’язувати складні задачі за допомогою функціонального API Keras.Починаючи з вступу, ви створите прості функціональні мережі, налаштуєте їх на дані та робитимете прогнози. Ви також навчитеся створювати моделі з кількома входами та одним виходом і ділитися вагами між шарами.
Мережі з кількома входами
У міру просування ви навчитеся створювати двовхідні мережі, використовуючи категоріальні ембеддинги, спільні шари та шари об’єднання. Це базові будівельні блоки для проєктування нейронних мереж зі складними потоками даних.Він розширює ці концепції на моделі з трьома або більше входами, допомагаючи вам зрозуміти параметри та топологію ваших нейронних мереж за допомогою функцій summary і plot у Keras.
Мережі з кількома виходами
У фінальних інтерактивних вправах ви працюватимете з мережами з кількома виходами, які можуть розв’язувати задачі регресії з кількома цільовими змінними й навіть одночасно виконувати як регресійні, так і класифікаційні завдання.Наприкінці курсу ви отримаєте практичний досвід роботи з передовими методами глибокого навчання, щоб просунути свою кар’єру як data scientist, зокрема навчитеся оцінювати свої моделі на нових даних за допомогою кількох метрик.
Попередні вимоги
Навчальний план
Зміст курсу
1
Функціональний API Keras
У цьому розділі ви ознайомитеся з основами функціонального API Keras. Ви збудуєте просту функціональну мережу з готових блоків, натренуєте її на даних і виконаєте передбачення.
- Вхідний шар Keras і щільні шари (dense)50 XP
- Вхідні шари100 XP
- Щільні шари100 XP
- Вихідні шари100 XP
- Побудуйте й скомпілюйте модель50 XP
- Побудуйте модель100 XP
- Скомпілюйте модель100 XP
- Візуалізуйте модель100 XP
- Навчіть і оцініть модель50 XP
- Навчіть модель на даних турніру з баскетболу100 XP
- Оцініть модель на тестовій вибірці100 XP
2
Двовхідні мережі: категоріальні вбудовування, спільні шари та шари об'єднання
У цьому розділі ви створите двовхідні мережі, які використовують категоріальні вбудовування для подання ознак із великою кількістю категорій, спільні шари як багаторазово придатні будівельні блоки, а також шари об'єднання для злиття кількох входів в один вихід. Наприкінці розділу ви матимете базові будівельні елементи для проєктування нейронних мереж зі складними потоками даних.
3
Кілька входів: 3 входи (і більше!)
У цьому розділі ви розширите свою модель з 2 входів до 3 і навчитеся користуватися функціями Keras summary та plot, щоб зрозуміти параметри й топологію нейронних мереж. Наприкінці розділу ви знатимете, як масштабувати модель з 2 входів до 3 і більше.
4
Кілька виходів
У цьому розділі ви створите нейронні мережі з кількома виходами, які можна застосувати для розв'язання регресійних задач із кількома цільовими змінними. Ви також побудуєте модель, що одночасно розв'язує регресійну та класифікаційну задачі.
Просунуте глибоке навчання з Keras
Курс
завершено
