[Udemy] Буткемп по TensorFlow для глубокого обучения ZTM (Андрей Неагои, Дэниел Бурк)

Чему вы научитесь:

• 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.

Только что запущен курс, содержащий все современные лучшие практики построения нейронных сетей с использованием TensorFlow и позволяющий стать экспертом по TensorFlow и глубокому обучению!
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

1 — Регрессия с использованием нейронных сетей и 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.

2 — Классификация с помощью нейронных сетей и TensorFlow

• 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).

3 — Компьютерное зрение и сверточные нейронные сети с использованием TensorFlow

• 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.

4 — Перенос обучения с использованием TensorFlow. Часть 1: Извлечение признаков.

• 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.

5 — Перенос обучения с TensorFlow. Часть 2: Тонкая настройка.

• 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.

6 — Перенос обучения с TensorFlow. Часть 3: Масштабирование (мини-проект Food Vision)

• Узнайте, как масштабировать существующую модель.
• Узнайте, как оценивать свои модели машинного обучения, выявляя наиболее ошибочные прогнозы.
• Превзошло оригинальную статью Food101, используя всего 10% данных.

7 — Этапный проект 1: Концепция питания

• 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.

8 — Основы обработки естественного языка в TensorFlow

• 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.

9 — Проект-этап 2: SkimLit

• 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).

10 — Основы анализа временных рядов в TensorFlow

• 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)

11 — Проект-веха 3: (Сюрприз)

• Если вы дочитали до этого места, значит, вас, вероятно, заинтересовал курс. Этот последний проект будет хорошим... мы вам обещаем, так что увидимся на курсе

TensorFlow набирает популярность, и появляется все больше вакансий для специалистов, обладающих этими знаниями. Фактически, TensorFlow опережает другие популярные инструменты машинного обучения, такие как PyTorch, на рынке труда. Google, Airbnb, Uber, DeepMind, Intel, IBM, Twitter и многие другие в настоящее время используют TensorFlow. Есть причина, по которой эти крупные технологические компании используют эту технологию, и вы узнаете обо всех возможностях, которые TensorFlow предоставляет разработчикам.

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.

Требования:

• Mac / Windows / Linux — все операционные системы совместимы с этим курсом!
• Предварительные знания TensorFlow не требуются. Базовое понимание машинного обучения будет полезным.

Материалы курса:
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