Chuyển đến nội dung chính
Trang chủPython

Khóa học

Nhập môn Deep Learning với Python

Trung cấpTrình độ kỹ năng
Đã cập nhật tháng 11, 2022
Tìm hiểu các kiến thức cơ bản về mạng nơ-ron và cách xây dựng mô hình học sâu bằng Keras 2.0 trong Python.
Bắt Đầu Khóa Học Miễn Phí
PythonArtificial Intelligence
4 gio
17 video
50 Bài tập
3,500 XP
260K+
Giấy chứng nhận Thành tích

Tạo Tài Khoản Miễn Phí

Tiếp tục với GoogleHiển thị thêm tùy chọn

hoặc


Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Được người học tại hàng ngàn công ty yêu thích

Group

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Khám phá Ứng dụng Học Sâu

Học sâu là kỹ thuật học máy đứng sau những khả năng thú vị nhất trong robot, xử lý ngôn ngữ tự nhiên, nhận diện hình ảnh và trí tuệ nhân tạo. Trong khóa học kéo dài 4 giờ này, bạn sẽ có được kiến thức thực tiễn về cách áp dụng kỹ năng Python của mình vào deep learning với thư viện Keras 2.0.

Khám phá các mô hình Keras cùng với một thành viên đóng góp cho thư viện

Được giảng dạy bởi Dan Becker, cựu Nhà khoa học dữ liệu của Google và là người đóng góp cho Keras, khóa học học sâu này khám phá các mô hình mạng nơ-ron và cách bạn có thể tạo ra dự đoán với chúng. Những chương đầu tiên sẽ nâng cao hiểu biết của bạn về cả lan truyền tiến và lan truyền ngược cũng như cách chúng hoạt động trong luyện tập.

Thư viện Keras là một thư viện Python có thể giúp bạn phát triển và đánh giá các mô hình học sâu. Giống như nhiều thư viện Python khác, nó miễn phí, mã nguồn mở và rất thân thiện với người dùng. Bạn sẽ bắt đầu bằng cách tạo một mô hình Keras và sẽ học cách biên dịch, huấn luyện và phân loại nó trước khi thực hiện dự đoán. Khi bạn đã hoàn thành khóa học này, bạn sẽ có tất cả các công cụ cần thiết để xây dựng các mạng nơ-ron sâu và bắt đầu thử nghiệm với các mạng rộng hơn và sâu hơn theo thời gian.

Khám Phá Sâu Hơn Về Deep Learning

Khóa học này là một phần của nhiều lộ trình học máy và deep learning, mang đến cho bạn những con đường rõ ràng để xây dựng kỹ năng và kinh nghiệm trong lĩnh vực này sau khi bạn đã hoàn thành khóa học nhập môn, dù bạn muốn hoàn thành một dự án cá nhân hay hướng tới sự nghiệp trở thành Nhà Khoa Học Học Máy.

Điều kiện tiên quyết

Supervised Learning with scikit-learn
1

Các kiến thức cơ bản về deep learning và mạng nơ-ron

Trong chương này, bạn sẽ làm quen với những khái niệm và thuật ngữ nền tảng dùng trong deep learning, và hiểu vì sao các kỹ thuật deep learning ngày nay lại mạnh mẽ. Bạn sẽ xây dựng các mạng nơ-ron đơn giản và tạo dự đoán với chúng.
Bắt Đầu Chương
2

Tối ưu hóa mạng nơ-ron với lan truyền ngược

Học cách tối ưu hóa các dự đoán do mạng nơ-ron của bạn tạo ra. Bạn sẽ dùng một phương pháp gọi là lan truyền ngược (backward propagation), một trong những kỹ thuật quan trọng nhất trong deep learning. Hiểu cách nó hoạt động sẽ cho bạn nền tảng vững chắc để tiếp tục ở nửa sau của khóa học.
Bắt Đầu Chương
3

Xây dựng mô hình deep learning với Keras

Trong chương này, bạn sẽ dùng thư viện Keras để xây dựng các mô hình deep learning cho cả hồi quy và phân loại. Bạn sẽ học về quy trình Specify-Compile-Fit để tạo dự đoán, và đến cuối chương, bạn sẽ có đầy đủ công cụ cần thiết để xây dựng các mạng nơ-ron sâu.
Bắt Đầu Chương
Nhập môn Deep Learning với Python
Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của ban
Đăng ký ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Nhập môn Deep Learning với Python ngay hôm nay!

Tạo Tài Khoản Miễn Phí

Tiếp tục với GoogleHiển thị thêm tùy chọn

hoặc


Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.