Tartalom
- Bevezetés a Tensorflow-ba az AI gépi tanuláshoz és a mély tanuláshoz (sügaplearning.ai által kínált)
- Nincsenek hibák, nincs stressz - Az Ön életét megváltoztató szoftverek készítésének lépésről lépésre történő leírása az élet megsemmisítése nélkül
- Tensorflow a gyakorlati tanulásban (deeplearning.ai által kínált)
- Konvolúciós neurális hálózatok és Tensorflow (deeplearning.ai által kínált)
- Képmegértés a Tensorflow-val a GCP-n (a Google Cloud Platform által kínált)
- Szerver nélküli gépi tanulás a Tensorflow segítségével a Google Cloud Platformon (a Google Cloud Platform által kínált)
- Természetes nyelvfeldolgozás a Tensorflow-val (deeplearning.ai által kínált)
- Következtetés
Elvitel:
A Tensorflow az ML mérnökeinek egyik kedvenc nyílt forráskódú könyvtára, amely az ML-ben szereplő kódfunkciókat ábrázolja, és idegi hálózatokban és más ML beállításokban használt matematikai műveleteket jelenít meg.
A Tensorflow az egyik gépi tanulás (ML) mérnök kedvenc nyílt forráskódú könyvtára, amely az ML-ben szereplő kódfunkciók ábrázolására, valamint a neurális hálózatokban és más ML-beállításokban használt matematikai műveletek megjelenítésére szolgál.
Itt található a Coursera tanulási portálján elérhető hat kurzus, amelyek a hallgatók felé irányítják a Tensorflow környezet teljesebb megértését.
- Bevezetés a Tensorflow-ba az AI gépi tanuláshoz és a mély tanuláshoz (sügaplearning.ai által kínált)
- Tensorflow a gyakorlati tanulásban (deeplearning.ai által kínált)
- Konvolúciós neurális hálózatok és Tensorflow (deeplearning.ai által kínált)
- Képmegértés a Tensorflow-val a GCP-n (a Google Cloud Platform által kínált)
- Szerver nélküli gépi tanulás a Tensorflow segítségével a Google Cloud Platformon (a Google Cloud Platform által kínált)
- Természetes nyelvfeldolgozás a Tensorflow-val (deeplearning.ai által kínált)
Bevezetés a Tensorflow-ba az AI gépi tanuláshoz és a mély tanuláshoz (sügaplearning.ai által kínált)
Ez a tanfolyam segíti a hallgatókat abban, hogy megértsék a skálázható algoritmusok felépítését és a mély tanulás működését. A neurális hálózatok képezik annak a diverzifikált kurzusnak a fókuszát, amely felhasználja Andrew Ng szakember tudását, hogy megmutassa a hallgatók Tensorflow alapelveit a munka során.
Ez egy középszintű kurzus, amely 100% -ban online, megközelítőleg nyolc órát vesz igénybe, egy javasolt négyhetes időkerettel.
A hallgatók megtanulnak egy neurális hálózat képzését számítógépes látás céljából, megtanulják a Tensorflow bevált gyakorlatait, megtanulják megérteni a konvolúciós ideghálózatokat, és felépíthetnek egy alapvető idegi hálózatot a Tensorflow segítségével.
Mindenre kiterjedő útmutató a gépi tanulási elemek ilyen típusú megjelenítéséhez és kezeléséhez.
Nincsenek hibák, nincs stressz - Az Ön életét megváltoztató szoftverek készítésének lépésről lépésre történő leírása az élet megsemmisítése nélkül
Nem javíthatja a programozási készségét, ha senki sem törődik a szoftver minőségével.
Tensorflow a gyakorlati tanulásban (deeplearning.ai által kínált)
Négy modul segíti a hallgatókat a mesterséges intelligencia (AI) alkalmazások és azok készítésének felfedezésében. A neurális hálózatok kiépítése és kiképzése része ennek a tananyagnak, és a hallgatók megtanulják a konvolúciókat használni a képfeldolgozásban, hogy megkönnyítsék az élvonalbeli azonosítási és osztályozási képességeket.
A hallgatók első kézből megnézhetik, hogy a gépek hogyan tanulják meg feldolgozni és hogyan működnek az idegi hálózatok a bemeneti adatokkal.
Gyakorlati elemek A tanfolyam megmutatja, hogyan működnek az ilyen típusú technológiák a való világban. Ez az online tanfolyam kb. Egy hónapot vesz igénybe, és egy középszintű kurzus.
Konvolúciós neurális hálózatok és Tensorflow (deeplearning.ai által kínált)
Ez a tanfolyam kifejezetten a konvolúciós neurális hálózatra összpontosít, amely egy speciális koncepció a gépi tanulás világában. A CNN, amint nevezik, a képfeldolgozást az idegi hálózat különböző rétegeinek felhasználásával kezeli.
A képek szűrésére és felmérésére olyan technikákat alkalmaznak, mint a csúszás és a padding, és az információkat a rendszeren keresztül gyűjtik össze, hogy végül a számítógépet kiképezzék az objektumok vagy a kép egyéb szempontjainak azonosításához.
A hallgatók megtanulják, hogy egy számítógép hogyan látja az információkat, és milyen konkrét műveletek vezetnek a hatékony képfeldolgozási és azonosítási feladatokhoz.
A hallgatók megtanulják a különféle problémákat, mint például a telekvesztés, a túlfűtés és a lemorzsolódás a legjobb gyakorlatok keresése során az arcfelismerés, a termékfejlesztés és a CNN képességeinek kiépítésében és fenntartásában.
Az átviteli tanulás szintén része lesz ennek a tananyagnak, és a hallgatók többet megtudnak a szolgáltatás kibontásáról és a szolgáltatás kiválasztásáról, mint a sikeres dimenzió dimenziójának.
Ez a középszintű kurzus online, és körülbelül hét órát vesz igénybe a javasolt négyhetes képzési időkerettel.
Képmegértés a Tensorflow-val a GCP-n (a Google Cloud Platform által kínált)
Ezt a fejlett gépi tanulási tanfolyamot kifejezetten a Google Cloud szem előtt tartásával tervezték. Ez a legfelső környezet sok fejlesztő számára megemlítette a legújabb és legjobb ML programokat.
Ez a tanfolyam megmutatja a hallgatóknak a képosztályozók összeállításának különféle stratégiáit, és segít megérteni a konvolúciós ideghálózatok felépítését. A funkciók kivonása és kiválasztása szintén a tanfolyam középpontjában áll, és a hallgatók képzést kapnak a túllépés és a kapcsolódó problémák megelőzéséről.
A gyakorlati összetevőknek alapvető SQL, Python és Tensorflow ismerete szükséges.
Ez a tanfolyam haladó szinten 100% -ban online, 11 órát vesz igénybe, javasolt heti 5-7 óra időbefektetéssel.
Szerver nélküli gépi tanulás a Tensorflow segítségével a Google Cloud Platformon (a Google Cloud Platform által kínált)
Ez a tanfolyam a Tensorflow-nal való együttműködés ötletét is használja a Google Cloud Platformon, de a kiszolgáló nélküli számítás ötletét kiegészíti a gépi tanulás elképzelésével egy másik típusú környezetben.
A kiszolgáló nélküli számításban a funkciókat a szükséges szállításra tervezték. Ez a tanfolyam az ilyen típusú telepítés alkalmazási eseteiről fog beszélni, és lehetővé teszi a hallgatók számára a Tensorflow ML modell felépítésében való részvételt. Fontos a méretezhetőség és a telepítés, az előfeldolgozási funkciók megértése és az ML-modellek hatékony virtualizált kapacitás elősegítése.
Ez a középszintű kurzus online és 12 órát vesz igénybe, egy javasolt egyhetes időkerettel.
Természetes nyelvfeldolgozás a Tensorflow-val (deeplearning.ai által kínált)
A Tensorflow és más gépi tanulási eszközök egyik legnépszerűbb alkalmazása a természetes nyelvfeldolgozás (NLP).
Ez a tanfolyam megismeri a hallgatókat az NLP egyes alkotóelemeivel, amelyek a beszéd egységek címkézésével és más technikákkal segítik az ideghálózatokat a prediktív modellek felépítésében. Az NLP sokat profitált az ML-től, és a hallgatók számára előnyök származhatnak arról, hogy első kézből látják, hogyan működnek ezek a technikák.
A gyakorlati tanulással a hallgatók olyan valós problémákkal foglalkoznak, mint például a visszatérő ideghálózatok és LSTM-ek alkalmazása a Tensorflow-ban, valamint a tokenizálás és a vektorok felhasználásával történő feldolgozás.
Ez a kurzus egy 100% -ban középfokú online tanfolyam, amely kilenc órát vesz igénybe, egy javasolt négyhetes időkerettel.
Következtetés
Használja ezen innovatív tanulási lehetőségek bármelyikét az ML anyákkal és csavarokkal való jobb kapcsolódás érdekében, nemcsak a terminológia, hanem a Tensorflow segítségével kidolgozott rendszerek felépítése révén.