Aноним
- #1
[Udemy] Буткемп по TensorFlow для глубокого обучения ZTM (Андрей Неагои, Дэниел Бурк)
- Ссылка на картинку
Чему вы научитесь:
Присоединяйтесь к онлайн-сообществу, насчитывающему более 900 000 студентов, и пройдите курс под руководством эксперта по TensorFlow. Этот курс проведет вас от абсолютного новичка в TensorFlow до создания передовых нейронных сетей глубокого обучения.
Эксперты по TensorFlow зарабатывают до 204 000 долларов США в год, при этом средняя зарплата составляет около 148 000 долларов США . Пройдя этот курс, вы присоединитесь к растущей индустрии машинного обучения и станете высокооплачиваемым разработчиком TensorFlow!
Вот полное описание всего, чему мы будем учить на курсе (да, это очень подробный план, но не пугайтесь, мы научим вас всему с нуля!):
Цель этого курса — научить вас всем навыкам, необходимым для того, чтобы стать одним из 10% лучших разработчиков TensorFlow.
Этот курс будет очень практическим и основанным на проектах. Вы не будете просто наблюдать за нашими уроками, а сможете экспериментировать, выполнять упражнения и создавать модели машинного обучения и проекты, имитирующие реальные ситуации. В итоге вы приобретете навыки, необходимые для разработки современных решений в области глубокого обучения, с которыми сталкиваются крупные технологические компании.
0 — Основы TensorFlow
Для кого предназначен этот курс?
18 разделов • 417 лекций • Общая продолжительность 62 ч 56 мин
- Создавайте модели TensorFlow с использованием компьютерного зрения, сверточных нейронных сетей и обработки естественного языка.
- Полный доступ ко всем интерактивным блокнотам и всем слайдам курса в виде загружаемых руководств.
- Повысьте свои навыки в области машинного обучения, искусственного интеллекта и глубокого обучения.
- Поймите, как интегрировать машинное обучение в инструменты и приложения.
- Научитесь создавать все типы моделей машинного обучения, используя новейшую версию TensorFlow 2.
- Разрабатывайте алгоритмы распознавания изображений и текста с использованием глубоких нейронных сетей и сверточных нейронных сетей.
- Использование изображений из реального мира для визуализации пути изображения через свертки позволяет понять, как компьютер «видит» информацию, а также оценить потери и точность.
- Применение глубокого обучения для прогнозирования временных рядов
- Получите навыки, необходимые для того, чтобы стать разработчиком TensorFlow.
- Станьте одним из лучших кандидатов для рекрутеров, ищущих разработчиков TensorFlow.
Присоединяйтесь к онлайн-сообществу, насчитывающему более 900 000 студентов, и пройдите курс под руководством эксперта по TensorFlow. Этот курс проведет вас от абсолютного новичка в TensorFlow до создания передовых нейронных сетей глубокого обучения.
Эксперты по TensorFlow зарабатывают до 204 000 долларов США в год, при этом средняя зарплата составляет около 148 000 долларов США . Пройдя этот курс, вы присоединитесь к растущей индустрии машинного обучения и станете высокооплачиваемым разработчиком TensorFlow!
Вот полное описание всего, чему мы будем учить на курсе (да, это очень подробный план, но не пугайтесь, мы научим вас всему с нуля!):
Цель этого курса — научить вас всем навыкам, необходимым для того, чтобы стать одним из 10% лучших разработчиков TensorFlow.
Этот курс будет очень практическим и основанным на проектах. Вы не будете просто наблюдать за нашими уроками, а сможете экспериментировать, выполнять упражнения и создавать модели машинного обучения и проекты, имитирующие реальные ситуации. В итоге вы приобретете навыки, необходимые для разработки современных решений в области глубокого обучения, с которыми сталкиваются крупные технологические компании.
0 — Основы TensorFlow
- Введение в тензоры (создание тензоров)
- Получение информации из тензоров (атрибутов тензоров)
- Манипулирование тензорами (тензорные операции)
- Тензоры и NumPy
- Использование `@tf.function` (способ ускорить работу обычных функций Python)
- Использование графических процессоров с TensorFlow
- Создавайте последовательные модели TensorFlow с несколькими слоями.
- Подготовьте данные для использования с моделью машинного обучения.
- Изучите различные компоненты, из которых состоит модель глубокого обучения (функция потерь, архитектура, функция оптимизации).
- Научитесь диагностировать задачу регрессии (прогнозирование числа) и создавать для нее нейронную сеть.
- Научитесь диагностировать проблемы классификации (предсказывать, является ли объект одним или другим).
- Создавайте, компилируйте и обучайте модели классификации машинного обучения с помощью TensorFlow.
- Создание и обучение моделей для бинарной и многоклассовой классификации.
- Постройте графики зависимости показателей эффективности моделирования друг от друга.
- Сопоставьте формы входных данных (форма обучающих данных) и выходных данных (целевые данные для прогнозирования).
- Создание сверточных нейронных сетей с использованием слоев Conv2D и пулинга.
- Узнайте, как диагностировать различные виды проблем компьютерного зрения.
- Научитесь создавать нейронные сети для компьютерного зрения.
- Узнайте, как использовать изображения из реального мира в моделях компьютерного зрения.
- Узнайте, как использовать предварительно обученные модели для извлечения признаков из собственных данных.
- Узнайте, как использовать TensorFlow Hub для предварительно обученных моделей.
- Узнайте, как использовать TensorBoard для сравнения производительности нескольких различных моделей.
- Узнайте, как настроить и запустить несколько экспериментов по машинному обучению.
- Узнайте, как использовать аугментацию данных для повышения разнообразия обучающих данных.
- Узнайте, как доработать предварительно обученную модель под вашу собственную задачу.
- Узнайте, как использовать коллбэки для добавления функциональности вашей модели во время обучения.
- Узнайте, как масштабировать существующую модель.
- Узнайте, как оценивать свои модели машинного обучения, выявляя наиболее ошибочные прогнозы.
- Превзошло оригинальную статью Food101, используя всего 10% данных.
- Объедините все знания, полученные в предыдущих 6 блокнотах, чтобы создать Food Vision: модель компьютерного зрения, способную классифицировать 101 различный вид продуктов питания. Наша модель значительно превосходит оригинальную статью Food101.
- Предварительная обработка текста на естественном языке для использования с нейронной сетью.
- Создавайте векторные представления слов (числовые представления текста) с помощью TensorFlow.
- Создайте нейронные сети, способные к бинарной и многоклассовой классификации, используя:
- Рекуррентные нейронные сети (РНН)
- LSTM (ячейки долговременной кратковременной памяти)
- GRU (вентилируемые рекуррентные блоки)
- Сверточные нейронные сети
- Узнайте, как оценивать ваши модели обработки естественного языка.
- Воспроизвести модель, лежащую в основе статьи, опубликованной в PubMed и набравшей 200 000 подписчиков, для классификации различных последовательностей в медицинских аннотациях PubMed (что может помочь исследователям быстрее просматривать медицинские аннотации).
- Узнайте, как диагностировать проблемы с временными рядами (построение модели для прогнозирования на основе данных за определенный период времени, например, прогнозирование цены акций AAPL на завтра).
- Подготовка данных для нейронных сетей, работающих с временными рядами (признаки и метки).
- Понимание и использование различных методов оценки временных рядов.
- MAE — средняя абсолютная ошибка
- Создавайте модели прогнозирования временных рядов с помощью TensorFlow.
- Рекуррентные нейронные сети (РНН)
- Сверточные нейронные сети (CNN)
- Если вы дочитали до этого места, значит, вас, вероятно, заинтересовал курс. Этот последний проект будет хорошим... мы вам обещаем, так что увидимся на курсе
Для кого предназначен этот курс?
- Всем, кто хочет войти в число 10% лучших разработчиков TensorFlow и быть на передовой в области искусственного интеллекта, машинного обучения и глубокого обучения.
- Студенты, разработчики и специалисты по анализу данных, желающие продемонстрировать практические навыки машинного обучения путем создания и обучения моделей с использованием TensorFlow.
- Всем, кто хочет расширить свои знания в области искусственного интеллекта, машинного обучения и глубокого обучения.
- Всем, кто хочет освоить создание моделей машинного обучения с использованием последней версии TensorFlow.
- Mac / Windows / Linux — все операционные системы совместимы с этим курсом!
- Предварительные знания TensorFlow не требуются. Базовое понимание машинного обучения будет полезным.
18 разделов • 417 лекций • Общая продолжительность 62 ч 56 мин
- Введение
- Основы глубокого обучения и TensorFlow
- Регрессия с использованием нейронной сети и TensorFlow
- Классификация с помощью нейронных сетей в TensorFlow
- Компьютерное зрение и сверточные нейронные сети в TensorFlow
- Перенос обучения в TensorFlow. Часть 1: Извлечение признаков.
- Перенос обучения в TensorFlow. Часть 2: Тонкая настройка.
- Перенос обучения с использованием TensorFlow. Часть 3: Масштабирование.
- Проект-этап 1: Food Vision Big™
- Основы обработки естественного языка в TensorFlow
- Проект-этап 2: SkimLit
- Основы работы с временными рядами в TensorFlow + Третий этап проекта: BitPredict
- Что делать дальше?
- Приложение: Введение в машинное обучение
- Приложение: Структура машинного обучения и анализа данных
- Приложение: Pandas для анализа данных
- Приложение: NumPy
- БОНУСНЫЙ РАЗДЕЛ
Показать больше
Зарегистрируйтесь
, чтобы посмотреть контент.