PickAClass · AI, Tecnologia e Ingegneria · AI e Machine Learning

Deep Learning

Immergiti nel mondo delle reti neurali artificiali. Impara a costruire, addestrare e ottimizzare modelli di deep learning per compiti complessi utilizzando framework come TensorFlow e PyTorch.

Deep Learning

Costruzione di Modelli di Regressione e Perdita L2 in TensorFlow

Fondamenti di Strati Convoluzionali e Pooling

Addestramento e Distribuzione di Modelli Keras

Funzione di Perdita di Entropia Incrociata Binaria di PyTorch per la Classificazione

Deep Learning Fondamentale con PyTorch

Regressione con PyTorch: Comprendere le Funzioni di Perdita

Crea modelli di deep learning con l'API sequenziale di Keras

Preparazione dei dati per la classificazione del deep learning

PyTorch: Gestione dei Dati Sbilanciati con Perdita Pesata

Graph Convolutional Networks con PyTorch

Discesa del Gradiente: Aggiornamenti dei Parametri con il Tasso di Apprendimento

Addestramento di Reti Neurali: Padroneggiare Epoche e Tassi di Apprendimento

Preparazione del Dataset MNIST per Reti Neurali con Python

Ottimizzazione delle Reti Neurali: Raggiungere il 99% di Accuratezza su MNIST

Comprensione dell'Architettura ResNet e dei Blocchi Residui

Backpropagation di Reti Neurali con Nodi di Output Multipli

Fissare la discesa del gradiente: ottimizzazione in Perceptrons e Deep Learning

Affinare i Parametri del Classificatore nelle Reti Neurali

Fondamenti di PyTorch: Risolvere il Tuo Primo Problema di Regressione

Costruire modelli di classificazione binaria con PyTorch

Programmazione Parallela Multi-Dispositivo con JAX

Costruire architetture di reti neurali in Python

Regressione Logistica in PyTorch: Sigmoide e Classificazione Binaria

Addestramento e Validazione Strutturati di Modelli PyTorch