TensorFlow i Deep Learning: budowanie i trenowanie sieci neuronowych

Głębokie uczenie napędza najbardziej ekscytujące postępy w technologii. Rozpoczęcie budowania własnych sieci neuronowych może wydawać się przytłaczające. Ten kompleksowy przewodnik tekstowy dzieli złożone pojęcia matematyczne i struktury kodowania na jasne, łatwe do opanowania kroki. Będziesz przechodzić od zrozumienia podstawowych struktur danych do projektowania, szkolenia i oceny własnych modeli głębokiego uczenia się.Pracując poprzez pisemne wyjaśnienia i praktyczne przykłady kodu, opracujesz silne podstawy architektury sieci neuronowych i nauczysz się stosować te umiejętności do rzeczywistych zbiorów danych. Czego się nauczysz: - Zrozum podstawowe pojęcia tensorów, operacji matematycznych i jak przyspieszenie sprzętowe przyspiesza trening. - Buduj sekwencyjne sieci neuronowe, aby rozwiązać problemy regresji i klasyfikacji. - Zastosuj nowoczesne techniki wstępnego przetwarzania danych przy użyciu wydajnych potoków tf.data w celu uzyskania czystszych przepływów pracy. - Skonfiguruj funkcje strat, optymalizatory i wskaźniki oceny, aby dostroić wydajność modelu. - Ćwicz zapisywanie, ładowanie i przygotowywanie modeli do podstawowego wdrożenia przy użyciu nowoczesnych standardów branżowych. Kurs rozpoczyna się od podstawowych operacji tensorowych, zanim przejdziesz krok po kroku przez architektury regresji i klasyfikacji.Będziesz postępować poprzez zorganizowane lekcje tekstowe i ćwiczenia oparte na kodzie, mające na celu wzmocnienie zrozumienia na każdym etapie. Ten kurs jest przeznaczony dla początkujących, którzy chcą nauczyć się głębokiego uczenia się od podstaw.Nie jest wymagane wcześniejsze doświadczenie z uczeniem maszynowym, chociaż pomocna jest podstawowa znajomość Pythona. Zacznij czytać już dziś i zrób pierwszy krok w kierunku budowania inteligentnych sieci neuronowych.