After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Отримайте вступ до TensorFlow
Ще не так давно передові алгоритми комп’ютерного зору не могли відрізнити зображення котів і собак. Сьогодні кваліфікований дата-сайєнтист, маючи лише ноутбук, може класифікувати десятки тисяч об’єктів із більшою точністю, ніж людське око.У цьому курсі ви використовуватимете TensorFlow 2.6 для розробки, навчання та виконання прогнозів за допомогою моделей, які стали основою значних проривів у системах рекомендацій, класифікації зображень і FinTech.
Використовуйте лінійні моделі для прогнозування
Ви дізнаєтеся, як використовувати TensorFlow 2.6 для прогнозування за допомогою моделей лінійної регресії, а також перевірите свої знання, прогнозуючи ціни на будинки в окрузі Кінг. Цей розділ курсу містить огляд функцій втрат і того, як можна зменшити використання ресурсів, навчаючи свою лінійну модель пакетами.Навчіть свою нейронну мережу
У другій половині курсу ви використовуватимете ті самі інструменти, щоб робити прогнози за допомогою нейронних мереж. Ви потренуєтеся навчати мережу в TensorFlow, додаючи змінні, що навчаються, і використовуючи вашу модель та тестові ознаки для прогнозування цільових значень.Поєднайте TensorFlow з API Keras
Додайте потужний API Keras до свого арсеналу та навчіться поєднувати його з TensorFlow 2.6, щоб робити прогнози й оцінювати моделі. Наприкінці цього курсу ви зрозумієте, як використовувати API Estimators, щоб спростити визначення моделі та уникати помилок.Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до TensorFlow
Перш ніж створювати складні моделі в TensorFlow 2, спершу варто розібратися з основами. У цьому розділі ви навчитеся оголошувати константи й змінні, виконувати додавання та множення тензорів і обчислювати похідні. Знання лінійної алгебри буде корисним, але не обов'язковим.
- Константи та змінні50 XP
- Визначення даних як констант100 XP
- Визначення змінних100 XP
- Базові операції50 XP
- Покомпонентне множення100 XP
- Прогнозування за допомогою матричного множення100 XP
- Підсумовування за вимірами тензора50 XP
- Розширені операції50 XP
- Зміна форми тензорів100 XP
- Оптимізація за допомогою градієнтів100 XP
- Робота з даними зображень100 XP
2
Лінійні моделі
У цьому розділі ви навчитеся будувати, розв'язувати та робити передбачення з моделями в TensorFlow 2. Ми зосередимося на простому класі моделей — лінійній регресії — і спробуємо передбачати ціни на житло. Наприкінці розділу ви знатимете, як завантажувати й опрацьовувати дані, конструювати функції втрат, виконувати мінімізацію, робити передбачення та зменшувати ресурсомісткість за допомогою пакетного навчання.
3
Нейронні мережі
У попередніх розділах ви дізналися, як створювати моделі в TensorFlow 2. У цьому розділі ви застосуєте ті самі інструменти, щоб будувати, тренувати та робити передбачення з нейронними мережами. Ви навчитеся визначати щільні (dense) шари, застосовувати функції активації, обирати оптимізатор і використовувати регуляризацію, щоб зменшити перенавчання. Ви скористаєтеся гнучкістю TensorFlow, поєднуючи низькорівневі операції лінійної алгебри та високорівневі операції Keras API для визначення й тренування моделей.
4
Високорівневі API
У фінальному розділі ви використаєте високорівневі API в TensorFlow 2, щоб натренувати класифікатор літер жестової мови. Ви застосуєте як послідовний (sequential), так і функціональний Keras API, щоб тренувати, валідувати, робити передбачення та оцінювати моделі. Ви також дізнаєтеся, як використовувати Estimators API, щоб спростити визначення моделі та процес тренування і зменшити кількість помилок.
Вступ до TensorFlow на Python
Курс
завершено
