Podstawy głębokiego uczenia się z TensorFlow i Keras

Głębokie uczenie się jest silnikiem nowoczesnej sztucznej inteligencji, od wizji komputerowej po przetwarzanie języka naturalnego.Zrozumienie, jak budować i trenować te sieci neuronowe, jest niezbędną umiejętnością dla początkujących naukowców danych i programistów AI. Ten kurs tekstowy przeprowadzi Cię przez podstawowe pojęcia głębokiego uczenia się za pomocą TensorFlow i Keras.Będziesz przechodzić od zrozumienia podstawowych zasad matematycznych do pisania czystego, gotowego do produkcji kodu do szkolenia, oceny i optymalizacji sieci neuronowych. Czego się nauczysz: - Zrozum podstawową architekturę sieci neuronowych, w tym warstwy, funkcje aktywacji i propagację wsteczną. - Buduj i trenuj sieci neuronowe feedforward dla zadań regresji i klasyfikacji. - Przetwarzaj i klasyfikuj dane obrazu za pomocą zwojowych sieci neuronowych. - Analizuj sekwencyjne dane i tekst za pomocą powtarzających się sieci neuronowych i nowoczesnych koncepcji modelowania sekwencji. - Zoptymalizuj wydajność modelu za pomocą algorytmów regularyzacji, wypadania i zaawansowanej optymalizacji. - Zapisz, eksportuj i przygotuj wyszkolone modele do wdrożenia w rzeczywistych środowiskach. Podróż zaczyna się od podstawowej terminologii głębokiego uczenia, operacji tensorowych i podstawowego projektowania sieci.Następnie przejdziesz przez uporządkowane wyjaśnienia tekstowe i przejrzyste przewodniki po kodzie obejmujące widzenie komputerowe, przetwarzanie sekwencji i dostrajanie modelu. Zaprojektowany dla początkujących, ten kurs wymaga tylko podstawowej wiedzy z zakresu programowania Pythona, począwszy od podstawowych definicji, zanim przejdziesz do praktycznej implementacji kodu.