Träna och utvärdera djup inlärnings modeller

Avancerat

Datavetare

Visuell Studio-kod

Djup inlärning är en avancerad form av maskin inlärning som emulerar hur människo hjärna lär sig genom nätverk av anslutna neurons.

Utbildningsmål

I den här modulen kommer du att lära dig:

• Grundläggande principer för djup inlärning
• Hur man tränar ett djup neurala-nätverk (DNN) med hjälp av PyTorch eller Tensorflow
• Hur man tränar ett (convolutional neurala-nätverk (CNN) med hjälp av PyTorch eller Tensorflow
• Så här använder du transfer Learning för att träna ett (convolutional neurala-nätverk (CNN) med PyTorch eller Tensorflow

Förutsättningar

• Grundläggande matematiska begrepp
• Förståelse för klassiska Machine Learning-tekniker.
• Programmering med python

• Introduktion min
• Koncept för djup neurala-nätverk min
• Träna – träna ett djup neurala-nätverk min
• (Convolutional neurala-nätverk min
• Träna – träna ett (convolutional neurala-nätverk min
• Överföra utbildning min
• Övning – Använd överförings Inlärning min
• Kunskapstest min
• Sammanfattning min

Djup inlärning är en avancerad form av maskin inlärning som emulerar hur människo hjärna lär sig genom nätverk av anslutna neurons.

I den här modulen kommer du att lära dig:

• Grundläggande principer för djup inlärning
• Hur man tränar ett djup neurala-nätverk (DNN) med hjälp av PyTorch eller Tensorflow
• Hur man tränar ett (convolutional neurala-nätverk (CNN) med hjälp av PyTorch eller Tensorflow
• Så här använder du transfer Learning för att träna ett (convolutional neurala-nätverk (CNN) med PyTorch eller Tensorflow

Förutsättningar

• Grundläggande matematiska begrepp
• Förståelse för klassiska Machine Learning-tekniker.
• Programmering med python