Hướng dẫn Học Sâu

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

Tìm hiểu bức tranh các hàm kích hoạt phổ biến — từ ReLU bền bỉ đến sức mạnh xác suất của softmax.

Tìm hiểu về mạng nơ-ron sâu và tầm quan trọng của chúng trong thế giới học sâu hiện đại của trí tuệ nhân tạo

Trong hướng dẫn này, bạn sẽ tìm hiểu về Tensor, PyTorch và cách tạo một mạng nơ-ron đơn giản với PyTorch.

Trong hướng dẫn học sâu bằng R với gói keras của RStudio này, bạn sẽ học cách xây dựng MLP (Multi-Layer Perceptron).

Tìm hiểu về Mạng Kolmogorov–Arnold (KAN), một loại mạng nơ-ron mới với khả năng diễn giải và độ chính xác vượt trội so với các mô hình truyền thống.

Có một số lượng tối ưu các tầng ẩn và nơ-ron cho mạng nơ-ron nhân tạo (ANN). Hướng dẫn này trình bày một cách tiếp cận đơn giản để xác định số lượng tối ưu cho các tầng và nơ-ron của ANN.

Trong hướng dẫn này, bạn sẽ triển khai một bài báo về ảnh y khoa dùng deep learning với Python trong Keras.

Nắm vững cơ chế nội tại của mạng LSTM, nền tảng của các LLM hiện đại. Khám phá cơ chế cổng, gradient, và xây dựng bộ phân loại cảm xúc với PyTorch.

Trong hướng dẫn này, bạn sẽ có cái nhìn tổng quan về Trí tuệ nhân tạo (AI) và tìm hiểu kỹ hơn điều gì tạo nên sự khác biệt giữa Học máy (ML) và Học sâu.

Khám phá những khác biệt chính giữa PyTorch, TensorFlow và Keras - ba framework học sâu phổ biến nhất. Hiểu các tính năng, ưu nhược điểm và trường hợp sử dụng của chúng để chọn công cụ phù hợp cho dự án của bạn.

Trong hướng dẫn này, bạn sẽ học và hiểu cách đọc ảnh cộng hưởng từ (MRI) não định dạng nifti, tái tạo chúng bằng convolutional autoencoder.