Course Outline

Εισαγωγή

Επισκόπηση του Neural Networks

Κατανόηση των Συνελικτικών Δικτύων

Ρύθμιση Keras

Επισκόπηση Keras Χαρακτηριστικά και Αρχιτεκτονική

Επισκόπηση της Keras Σύνταξης

Κατανόηση του τρόπου με τον οποίο ένα Keras μοντέλο οργανώνει τα επίπεδα

Διαμόρφωση του Keras Backend (TensorFlow ή Theano)

Εφαρμογή Μοντέλου Μάθησης χωρίς επίβλεψη

Ανάλυση εικόνων με συνελικτικό νευρωνικό δίκτυο (CNN)

Προεπεξεργασία Δεδομένων

Εκπαίδευση του Μοντέλου

Εκπαίδευση σε CPU έναντι GPU έναντι TPU

Αξιολόγηση του Μοντέλου

Χρήση προεκπαιδευμένου μοντέλου Deep Learning

Ρύθμιση ενός επαναλαμβανόμενου νευρωνικού δικτύου (RNN)

Εντοπισμός σφαλμάτων του μοντέλου

Αποθήκευση του μοντέλου

Ανάπτυξη του Μοντέλου

Παρακολούθηση μοντέλου Keras με TensorBoard

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Python Εμπειρία προγραμματισμού.
  • Εμπειρία με τη γραμμή εντολών Linux.

Ακροατήριο

  • προγραμματιστές
  • Επιστήμονες δεδομένων
  21 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.

Price per participant

Testimonials (4)

Related Courses

Deep Learning AI Techniques for Executives, Developers and Managers

  21 Hours

Deep Learning for Business

  14 Hours

Deep Learning for Finance (with R)

  28 Hours

Deep Learning for Banking (with Python)

  28 Hours

Deep Learning for Banking (with R)

  28 Hours

Deep Learning for Finance (with Python)

  28 Hours

Related Categories