Trinity
Администратор
- Регистрация
- 10.07.21
- Сообщения
- 31.305
- Реакции
- 440.347
[Udemy] Мастер-класс по глубокому обучению с TensorFlow 2, более 15 проектов (2022)
В этом курсе мы рассмотрим основные концепции глубокого обучения и применим наши знания для решения реальных проблем в области компьютерного зрения и обработки естественного языка с использованием языка программирования Python и TensorFlow 2. Мы объясним основные темы машинного обучения, такие как линейная регрессия, логистическая регрессия. , Многоклассовая классификация и нейронные сети. Если вы дошли до этого момента, это означает, что вы заинтересованы в освоении Deep Learning For Computer Vision и Deep Learning, используя свои навыки для решения практических задач.
Возможно, у вас уже есть некоторые знания о машинном обучении, компьютерном зрении, обработке естественного языка или глубоком обучении, или вы можете столкнуться с глубоким обучением впервые. Неважно, с какой стороны вы пришли, потому что в конце этого курса вы станете экспертом с большим практическим опытом.
Вы будете работать над несколькими проектами, такими как обнаружение объектов, создание изображений, подсчет объектов, распознавание объектов, обнаружение заболеваний, сегментация изображений, анализ настроений, машинный перевод, ответы на вопросы, субтитры к изображениям, распознавание речи и многое другое, используя знания, полученные из этого курса.
Если вы готовы сделать шаг вперед в своей карьере, этот курс предназначен для вас, и мы очень рады помочь вам в достижении ваших целей!
Этот курс предлагает вам Neuralearn. И, как и в любом другом курсе Neuralearn, мы уделяем большое внимание обратной связи. Ваши отзывы и вопросы на форуме помогут нам улучшить этот курс. Не стесняйтесь задавать как можно больше вопросов на форуме. Мы делаем все возможное, чтобы ответить в кратчайшие сроки.
Вот различные концепции, которые вы освоите после прохождения этого курса.
Давайте сделаем этот курс как можно более интерактивным, чтобы мы по-прежнему получали этот классный опыт.
Для кого этот курс:
Подробнее:
В этом курсе мы рассмотрим основные концепции глубокого обучения и применим наши знания для решения реальных проблем в области компьютерного зрения и обработки естественного языка с использованием языка программирования Python и TensorFlow 2. Мы объясним основные темы машинного обучения, такие как линейная регрессия, логистическая регрессия. , Многоклассовая классификация и нейронные сети. Если вы дошли до этого момента, это означает, что вы заинтересованы в освоении Deep Learning For Computer Vision и Deep Learning, используя свои навыки для решения практических задач.
Возможно, у вас уже есть некоторые знания о машинном обучении, компьютерном зрении, обработке естественного языка или глубоком обучении, или вы можете столкнуться с глубоким обучением впервые. Неважно, с какой стороны вы пришли, потому что в конце этого курса вы станете экспертом с большим практическим опытом.
Вы будете работать над несколькими проектами, такими как обнаружение объектов, создание изображений, подсчет объектов, распознавание объектов, обнаружение заболеваний, сегментация изображений, анализ настроений, машинный перевод, ответы на вопросы, субтитры к изображениям, распознавание речи и многое другое, используя знания, полученные из этого курса.
Если вы готовы сделать шаг вперед в своей карьере, этот курс предназначен для вас, и мы очень рады помочь вам в достижении ваших целей!
Этот курс предлагает вам Neuralearn. И, как и в любом другом курсе Neuralearn, мы уделяем большое внимание обратной связи. Ваши отзывы и вопросы на форуме помогут нам улучшить этот курс. Не стесняйтесь задавать как можно больше вопросов на форуме. Мы делаем все возможное, чтобы ответить в кратчайшие сроки.
Вот различные концепции, которые вы освоите после прохождения этого курса.
- Основы машинного обучения.
- Основное программирование на Python
- Выбор модели машины в зависимости от задачи
- Санкции за ошибки
- Линейная регрессия
- Логистическая регрессия
- Мультиклассовая регрессия
- Нейронные сети
- Обучение и оптимизация
- Измерение производительности
- Проверка и тестирование
- Создание моделей машинного обучения с нуля на Python.
- Переоснащение и недообучение
- перетасовка
- Ансамбль
- Инициализация веса
- Дисбаланс данных
- Снижение скорости обучения
- Нормализация
- Настройка гиперпараметров
- Установка TensorFlow
- Обучение нейронных сетей с помощью TensorFlow 2
- Обучение Imagenet с TensorFlow
- Сверточные нейронные сети
- VGGNets
- ResNets
- InceptionNets
- Мобильные сети
- Эффективные сети
- Перенос обучения и тонкая настройка
- Увеличение данных
- Обратные вызовы
- Мониторинг с Tensorboard
- Обнаружение рака молочной железы
- Обнаружение объектов с помощью YOLO
- Сегментация изображений с помощью UNET
- Подсчет людей
- Генеративное моделирование с помощью GAN
- Генерация изображения
- Набор данных IMDB
- Анализ настроений
- Рекуррентные нейронные сети.
- ЛСТМ
- ГРУ
- 1D свертка
- Двунаправленный RNN
- Word2Vec
- Машинный перевод
- Модель внимания
- Трансформаторная сеть
- Трансформеры зрения
- ЛШ Внимание
- Подпись к изображению
- Вопрос Ответ
- Модель БЕРТ
- ОбниматьсяЛицо
- Развертывание модели глубокого обучения с помощью облачных функций Google
- Начинающие разработчики Python интересуются применением глубокого обучения для компьютерного зрения и НЛП
- Специалисты-практики в области компьютерного зрения, которые хотят узнать, как создаются и обучаются современные модели компьютерного зрения с использованием глубокого обучения.
- Любой, кто хочет освоить основы глубокого обучения, а также практиковать глубокое обучение для компьютерного зрения, используя лучшие практики в TensorFlow.
- Глубокое обучение для специалистов по компьютерному зрению, которые хотят получить представление о том, как все работает внутри.
- Практики NLP, которые хотят узнать, как современные модели обработки естественного языка строятся и обучаются с использованием глубокого обучения.
- Любой, кто хочет освоить основы глубокого обучения, а также практиковать глубокое обучение для НЛП, используя лучшие практики в TensorFlow 2.
- Глубокое обучение для практиков НЛП, которые хотят понять, как все работает внутри.
Давайте сделаем этот курс как можно более интерактивным, чтобы мы по-прежнему получали этот классный опыт.
Для кого этот курс:
- Начинающие разработчики Python интересуются применением глубокого обучения для компьютерного зрения и обработки естественного языка
- Глубокое обучение для специалистов по компьютерному зрению, которые хотят понять, как все работает внутри
- Любой, кто хочет освоить основы глубокого обучения, а также практиковать глубокое обучение для компьютерного зрения, используя лучшие практики в TensorFlow.
- Специалисты-практики в области компьютерного зрения, которые хотят узнать, как создаются и обучаются современные модели компьютерного зрения с использованием глубокого обучения.
- Специалисты по обработке естественного языка, которые хотят узнать, как строятся и обучаются современные модели НЛП с использованием глубокого обучения.
- Любой, кто хочет развернуть модели машинного обучения
- Учащиеся, которым нужен практический подход к глубокому обучению компьютерному зрению, обработке естественного языка и распознаванию звука.
- Базовая математика
- Нет опыта программирования. Вы узнаете все, что вам нужно знать
Подробнее:
Скачать:
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.
