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
Testimonials (4)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Course - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Course - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Course - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.