Hướng dẫn Học Sâu

Tìm hiểu kỹ thuật tối ưu hóa Adagrad, bao gồm các lợi ích chính, hạn chế, cách triển khai trong PyTorch và các trường hợp sử dụng để tối ưu hóa mô hình học máy.

Tìm hiểu cách optimizer AdamW cải thiện hiệu suất mô hình bằng cách tách weight decay khỏi cập nhật gradient. Hướng dẫn này giải thích những khác biệt chính giữa Adam và AdamW, các trường hợp sử dụng và cung cấp hướng dẫn từng bước để triển khai AdamW trong PyTorch.

Trong hướng dẫn này, bạn sẽ học và hiểu cách dùng autoencoder làm bộ phân loại trong Python với Keras. Bạn sẽ sử dụng bộ dữ liệu Fashion-MNIST làm ví dụ.

Trong hướng dẫn này, bạn sẽ tìm hiểu thêm về autoencoder và cách xây dựng convolutional và denoising autoencoder với bộ dữ liệu notMNIST trong Keras.

Tìm hiểu cách xây dựng và triển khai Mạng Nơ-ron Tích chập (CNN) trong Python với TensorFlow Framework 2

Trong hướng dẫn này, bạn sẽ học cách triển khai Convolutional Neural Networks (CNN) trong Python với Keras, và cách khắc phục quá khớp bằng dropout.

Hướng dẫn từng bước này sẽ chỉ bạn cách thiết lập và sử dụng Jupyter Notebook trên GPU EC2 của Amazon Web Services (AWS) cho deep learning.

Hướng dẫn Keras này giới thiệu bạn về học sâu trong Python: học cách tiền xử lý dữ liệu, xây dựng mô hình, đánh giá và tối ưu mạng nơ-ron.

Khám phá các khái niệm toán học cơ bản cho khoa học dữ liệu và học sâu như vô hướng và vectơ, định thức, phân rã giá trị kỳ dị, và nhiều hơn nữa.

Trong hướng dẫn này, bạn sẽ học và hiểu cách đọc ảnh vân tay định dạng jpeg, tái dựng chúng bằng autoencoder tích chập.

Tìm hiểu Mạng Đối nghịch Sinh là gì mà không đi sâu vào chi tiết toán học và viết mã một GAN đơn giản có thể tạo ra chữ số!

Trong hướng dẫn này, bạn sẽ học cách triển khai các ứng dụng mạnh mẽ như Prisma bằng TensorFlow 2.0.