Course Outline
Βασικά στοιχεία του TensorFlow
- Δημιουργία, αρχικοποίηση, αποθήκευση και επαναφορά TensorFlow μεταβλητών Τροφοδοσία, ανάγνωση και προφόρτωση TensorFlow Δεδομένα Τρόπος χρήσης TensorFlow υποδομής για εκπαίδευση μοντέλων σε κλίμακα Οπτικοποίηση και αξιολόγηση μοντέλων με το TensorBoard
TensorFlow Μηχανική
- Εισροές και θέσεις κράτησης θέσης Δημιουργία του GraphS Inference Loss Training
Από το Perceptron στις Μηχανές Υποστήριξης Διανυσμάτων
- Πυρήνες και το κόλπο του πυρήνα Ταξινόμηση μέγιστου περιθωρίου και διανύσματα υποστήριξης
Τεχνητό Neural Networks
- Μη γραμμικά όρια απόφασης Ανατροφοδότηση και ανάδραση τεχνητά νευρωνικά δίκτυα Πολυστρωματικά perceptron Ελαχιστοποίηση της συνάρτησης κόστους Προώθηση διάδοση προς τα πίσω Βελτίωση του τρόπου με τον οποίο μαθαίνουν τα νευρωνικά δίκτυα
Συνελικτικό Neural Networks
- Goals Model Architecture Principles Code Οργανισμός Εκκίνηση και εκπαίδευση του μοντέλου Αξιολόγηση μοντέλου
Requirements
Υπόβαθρο στη φυσική, τα μαθηματικά και τον προγραμματισμό. Συμμετοχή σε δραστηριότητες επεξεργασίας εικόνας.
Testimonials (5)
I liked the opportunities to ask questions and get more in depth explanations of the theory.
Sharon Ruane
Course - Neural Networks Fundamentals using TensorFlow as Example
Very good all round overview.Good background into why Tensorflow operates as it does.
Kieran Conboy
Course - Neural Networks Fundamentals using TensorFlow as Example
I was amazed at the standard of this class - I would say that it was university standard.
David Relihan
Course - Neural Networks Fundamentals using TensorFlow as Example
Knowledgeable trainer
Sridhar Voorakkara
Course - Neural Networks Fundamentals using TensorFlow as Example
I really appreciated the crystal clear answers of Chris to our questions.