After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Відкрийте для себе застосування глибокого навчання
Глибинне навчання — це техніка машинного навчання, що лежить в основі найцікавіших можливостей у робототехніці, обробці природної мови, розпізнаванні зображень та штучному інтелекті. У цьому 4-годинному курсі ви здобудете практичні навички застосування своїх знань Python до глибокого навчання за допомогою бібліотеки Keras 2.0.Ознайомтеся з моделями Keras разом із розробником бібліотеки
Курс із глибокого навчання, який веде колишній data scientist Google та учасник Keras Дан Бекер, досліджує моделі нейронних мереж і те, як за їх допомогою можна генерувати прогнози. Перші розділи поглиблять ваше розуміння як прямого, так і зворотного поширення та того, як вони працюють на практиці.Бібліотека Keras — це бібліотека Python, яка може допомогти вам розробляти та оцінювати моделі глибокого навчання. Як і багато бібліотек Python, вона безкоштовна, з відкритим кодом і дуже зручна у використанні. Ви почнете зі створення моделі Keras і навчитеся компілювати її, навчати та класифікувати, перш ніж робити прогнози. Після завершення цього курсу ви матимете всі необхідні інструменти, щоб створювати глибокі нейронні мережі та з часом почати експериментувати з ширшими й глибшими мережами.
Пориньте глибше в глибинне навчання
Цей курс є частиною кількох навчальних траєкторій з machine learning і deep learning, пропонуючи вам чіткі шляхи для розвитку навичок і досвіду в цій сфері після завершення вступного курсу — незалежно від того, чи хочете ви реалізувати особистий проєкт, чи рухатися до кар’єри Machine Learning Scientist.Попередні вимоги
Навчальний план
Зміст курсу
1
Основи deep learning і нейронних мереж
У цьому розділі ви познайомитеся з базовими поняттями та термінологією deep learning і зрозумієте, чому ці підходи сьогодні такі потужні. Ви зберете прості нейронні мережі та згенеруєте з ними прогнози.
- Вступ до глибокого навчання50 XP
- Порівняння моделей нейронних мереж із класичними моделями регресії50 XP
- Пряме проходження (forward propagation)50 XP
- Кодування алгоритму прямого поширення100 XP
- Функції активації50 XP
- Функція виправленої лінійної активації100 XP
- Застосування мережі до багатьох спостережень/рядків даних100 XP
- Більш глибокі мережі50 XP
- Пряме поширення в глибшій мережі50 XP
- Багатошарові нейронні мережі100 XP
- Подання формуються під час навчання50 XP
- Рівні представлення50 XP
2
Оптимізація нейронної мережі зворотним поширенням
Дізнайтеся, як оптимізувати прогнози, які створюють ваші нейронні мережі. Ви використаєте метод під назвою зворотне поширення, один із найважливіших у deep learning. Розуміння його роботи дасть вам міцну основу для другої половини курсу.
3
Створення моделей deep learning з keras
У цьому розділі ви використаєте бібліотеку Keras для створення моделей deep learning для регресії та класифікації. Ви вивчите робочий процес Specify-Compile-Fit, який можна застосовувати для побудови прогнозів, і до кінця розділу матимете всі інструменти, потрібні для створення глибоких нейронних мереж.
4
Тонке налаштування моделей keras
Дізнайтеся, як оптимізувати ваші моделі deep learning у Keras. Почніть із перевірки (валідації) моделей, потім розберіться з поняттям ємності моделі та, нарешті, поекспериментуйте з ширшими й глибшими мережами.
Вступ до Deep Learning у Python
Курс
завершено
