Online cursus – gecertificeerde professionele specialisatie in geavanceerde technieken van DeepLearning.AI

Aangepaste modellen, lagen en verliesfuncties met TensorFlow

Cursus 1 • 31 uur • 4,9 (1.046 beoordelingen)

Cursusdetails

wat ga je leren

• Je vergelijkt functionele en sequentiële API’s, ontdekt nieuwe modellen die je kunt bouwen met de functionele API en bouwt een model dat meerdere outputs produceert, waaronder een Siamees netwerk.
• Bouw aangepaste verliesfuncties (inclusief de contrastieve verliesfunctie die in een Siamees netwerk wordt gebruikt) om het succes van het model te meten en uw neurale netwerk te helpen leren van de trainingsgegevens.
• U bouwt voort op bestaande standaardlagen om aangepaste lagen voor uw model te maken, past een netwerklaag aan met behulp van een invoerlaag, begrijpt de verschillen daartussen, leert waaruit een aangepaste laag bestaat en verkent activeringsfuncties.
• Je bouwt voort op bestaande modellen om aangepaste functies toe te voegen, leert hoe je je eigen aangepaste klasse definieert in plaats van functionele of sequentiële API’s te gebruiken, bouwt netwerkbare modellen uit de klasse TensorFlow Model en bouwt een ResNet door een aangepaste modelklasse te definiëren.

DeepLearning.AI Specialisatie in TensorFlow: geavanceerde technieken

Introduceert de functies van TensorFlow die leerlingen meer controle geven over hun modelarchitectuur en tools waarmee ze geavanceerde machine learning-modellen kunnen creëren en trainen.

Deze specialisatie is bedoeld

Voor software- en machine learning-ingenieurs aan het begin en midden van hun carrière die een basiskennis hebben van TensorFlow en hun kennis en vaardigheden willen uitbreiden door geavanceerde TensorFlow-functies te leren om krachtige modellen te bouwen.

Vaardigheden die je gaat verwerven

• Categorie: Functionele API
• Functionele API
• Categorie: Aangepaste en aangepaste modellen met functionele API
• Op maat gemaakte en aangepaste modellen met een functionele API
• Categorie: Aangepaste verliesfuncties
• Aangepaste verliesfuncties
• Categorie: aangepaste lagen
• Aangepaste lagen

Gepersonaliseerde en gedistribueerde training met TensorFlow

Cursus 2 • 24 uur • 4,8 (406 beoordelingen)

Cursusdetails

wat ga je leren

• Je leert over tensorobjecten, de basisbouwstenen van TensorFlow, begrijpt het verschil tussen “enthousiaste” en “grafische” tensoren in TensorFlow, en leert hoe je TensorFlow-tools kunt gebruiken om gradiënten te berekenen.
• Bouw aangepaste trainingslussen met behulp van GradientTape- en TensorFlow-gegevenssets om meer flexibiliteit en zichtbaarheid te krijgen bij het trainen van uw model.
• Je leert over de voordelen van het maken van code die in de grafische modus wordt uitgevoerd, ziet hoe grafische code eruit ziet en oefent met het automatisch migreren van deze efficiënte code met de tools van TensorFlow.
• Je profiteert van de kracht van gedistribueerde training om meer gegevens te verwerken en sneller grotere modellen te trainen, een overzicht te krijgen van verschillende gedistribueerde trainingsstrategieën en te oefenen met het werken met een strategie die traint op meerdere GPU’s, en een andere die traint op meerdere TPU’s.

DeepLearning.AI Specialisatie in TensorFlow: geavanceerde technieken

Introduceert de functies van TensorFlow die leerlingen meer controle geven over hun modelarchitectuur en tools waarmee ze geavanceerde machine learning-modellen kunnen creëren en trainen.

Deze specialisatie is bedoeld

Voor software- en machine learning-ingenieurs in het begin- en midden van hun carrière die een basiskennis hebben van TensorFlow en hun kennis en vaardigheden willen uitbreiden door geavanceerde functies van TensorFlow te leren om multi-modellen te bouwen stroom

Vaardigheden die je gaat verwerven

• Categorie: Distributiestrategieën
• Distributiestrategieën
• Categorie: GradientTape voor optimalisatie
• GradientTape voor optimalisatie
• Categorie: Aangepaste trainingslussen
• Aangepaste trainingslussen
• Categorie: basisfunctionaliteit van tensoren
• Basisfunctionaliteit van tensoren

Geavanceerde computervisie met TensorFlow

Cursus 3 • 19 uur • 4,8 (498 beoordelingen)

Cursusdetails

wat ga je leren

• Je onderzoekt beeldclassificatie, beeldsegmentatie, objectlocatie en objectdetectie. Pas transfer learning toe op objectlocatie en detectie.
• Pas objectdetectiemodellen toe zoals regional-CNN en ResNet-50, pas bestaande modellen aan en bouw uw eigen modellen om uw duck-afbeeldingen te detecteren, lokaliseren en labelen.
• Pas beeldsegmentatie toe met behulp van varianten van het Full Convolutional Network (FCN), waaronder U-Net en Mask-RCNN, om nummers, huisdieren, zombies en meer te herkennen en te detecteren.
• Identificeer welke delen van een afbeelding door uw model worden gebruikt om voorspellingen te doen met behulp van klasse-activeringskaarten en belangrijkheidskaarten, en pas deze machine learning-interpretatiemethoden toe om het ontwerp van een beroemd netwerk, AlexNet, te testen en te verbeteren.

DeepLearning.AI Specialisatie in TensorFlow: geavanceerde technieken

Introduceert de functies van TensorFlow die leerlingen meer controle geven over hun modelarchitectuur en tools waarmee ze geavanceerde machine learning-modellen kunnen creëren en trainen.

Deze specialisatie is bedoeld

Voor software- en machine learning-ingenieurs in het begin- en midden van hun carrière die een basiskennis hebben van TensorFlow en hun kennis en vaardigheden willen uitbreiden door geavanceerde TensorFlow-functies te leren om krachtige modellen te bouwen.

Vaardigheden die je gaat verwerven

• Categorie: Belang
• belang
• Categorie: beeldsegmentatie
• Segmentatie van afbeeldingen
• Categorie: Interpretatie van modellen
• Interpretatie van modellen
• Categorie: Operationele kaarten van afdelingen
• Operationele kaarten van afdelingen
• Categorie: Object Discovery-API in TensorFlow
• API voor objectdetectie in TensorFlow

Generatief deep learning met TensorFlow

Cursus 4 • 16 uur • 4,9 (279 beoordelingen)

Cursusdetails

wat ga je leren

• Je leert over neurale stijloverdracht door middel van transferleren: vind de inhoud van een afbeelding (bijvoorbeeld een eend) en de stijl van een schilderij (bijvoorbeeld kubistisch of impressionistisch), en combineer de inhoud en stijl tot een nieuw beeld.
• Je bouwt eenvoudige AutoEncoders op de bekende MNIST-dataset, en complexere, diepe convolutionele architecturen op de Fashion MNIST-dataset, begrijpt het verschil in resultaten tussen de DNN- en CNN-modellen, identificeert manieren om ruis uit luidruchtige beelden te verwijderen en bouwt een CNN AutoEncoder gebruikt TensorFlow om een ​​schoon beeld te produceren van een beeld met ruis.
• Verken Variational AutoEncoders (VAE’s) om volledig nieuwe gegevens te creëren en anime-gezichten te maken om te vergelijken met referentiebeelden.
• Je leert over GAN’s; Uitvinding, kenmerken, architectuur en hoe ze verschillen van VAE’s, je zult de rol van de generator en discriminator binnen het model begrijpen, het concept van 2 trainingsfasen en de rol van geïntroduceerde ruis, en je eigen GAN bouwen die dat kan een gezicht maken

DeepLearning.AI Specialisatie in TensorFlow: geavanceerde technieken

Introduceert de functies van TensorFlow die leerlingen meer controle geven over hun modelarchitectuur, en biedt hen de tools om geavanceerde machine learning-modellen te creëren en te trainen.

Deze specialisatie is bedoeld

Voor software- en machine learning-ingenieurs aan het begin en midden van hun carrière die een basiskennis hebben van TensorFlow en hun kennis en vaardigheden willen uitbreiden door geavanceerde TensorFlow-functies te leren om krachtige modellen te bouwen.

Vaardigheden die je gaat verwerven

• Categorie: Automatische encoders
• Automatische encoders
• Categorie: vijandige generatieve netwerken
• Tegengestelde generatieve netwerken
• Categorie: Neuronale stijloverdracht
• Transmissie in neuronale stijl