TensorFlow для машинного обучения: практическое руководство по проектам

Машинное обучение меняет отрасли, но без четкого, структурированного пути начать работу с глубоким обучением может быть сложно. Этот текстовый курс пошагово продемонстрирует вам TensorFlow, отраслевой стандарт для создания и развертывания моделей искусственного интеллекта. Вы начнете с основ тензорной алгебры и вычислительных графов, а затем перейдете к проектированию, обучению и оптимизации нейронных сетей. С помощью ряда практических текстовых проектов вы пройдете путь от написания первых строк кода машинного обучения до развертывания готовых к производству моделей. Что вы узнаете: - Понять основные понятия тензоров, операций и стремительного выполнения в TensorFlow. - Создание и обучение нейронных сетей с использованием интуитивно понятных последовательных и функциональных API Keras. - Реализация конверсионных нейронных сетей для классификации изображений и рекурсивных сетевых моделей для обработки последовательностей данных. - Применять методы трансферного обучения для использования предварительно обученных моделей для решения сложных задач. - Настройка эффективных конвейеров ввода данных с использованием современного API tf.data. - Разверните обученные модели в производственных средах с использованием TensorFlow Serving и конвейерных практик. Программа начинается с базовой терминологии и настройки среды, постепенно переходя к продвинутым архитектурам нейронных сетей. Вы будете читать всеобъемлющие объяснения, изучать чистые фрагменты кода и работать с реалистичными сценариями, предназначенными для создания прочных, готовых к производству навыков. Этот курс предназначен для начинающих ученых данных, разработчиков программного обеспечения и энтузиастов технологий, которые хотят получить прочный фундамент в машинном обучении. Не требуется предыдущий опыт работы с глубоким обучением, хотя рекомендуется базовое знание программирования Python. Начните свой путь в глубоком обучении сегодня и начните создавать интеллектуальные приложения с TensorFlow.