Ontdek onze beste tutorials en handleidingen over verschillende onderwerpen, waaronder technologie, gezondheid, levensstijl en meer. Doe met ons mee voor rijke en interessante updates die u zullen helpen uw kennis uit te breiden en uw leven te verbeteren.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Deze specialisatie is bedoeld voor onderzoekers en praktijkmensen op het gebied van machine learning die praktische vaardigheden willen ontwikkelen in het populaire TensorFlow deep learning-framework.
De eerste cursus in deze specialisatie begeleidt u bij de basisconcepten die nodig zijn om:
De tweede cursus verdiept je kennis en vaardigheden in TensorFlow, om het volgende te ontwikkelen:
Je raakt ook gewend aan de TensorFlow API’s om sequentiemodellen op te nemen.
De laatste cursus is gespecialiseerd in een probabilistische benadering die steeds belangrijker wordt bij deep learning. Je leert:
Deze cursus kan ook worden beschouwd als een introductie tot de TensorFlow Probability-bibliotheek.
De kennis die nodig is voor deze specialisatie is:
Als onderdeel van de eindprojecten en programmeeropdrachten van deze specialisatie verwerf je praktische vaardigheden in het ontwikkelen van deep learning-modellen voor een verscheidenheid aan toepassingen, zoals:
Welkom bij de cursus ‘Aan de slag met TensorFlow 2’! In deze cursus leer je het hele proces voor het ontwikkelen van deep learning-modellen met TensorFlow, van het karakteriseren, trainen, evalueren en voorspellen met modellen via de seriële API, het valideren van modellen, het integreren van regelgeving, het implementeren van herhaalde metingen en het opslaan en laden van modellen.
Pas de concepten die u leert meteen toe met praktische codeeroefeningen, begeleid door een gekwalificeerde onderwijsassistent. Daarnaast is er een reeks programmeeropdrachten die automatisch worden beoordeeld om je vaardigheden te versterken.
Aan het einde van de cursus groepeert u de concepten in een eindproject, waarin u vanaf het begin een beeldclassificatiemodel ontwikkelt.
TensorFlow is een open source machinebibliotheek en een van de meest gebruikte deep learning-frameworks. De release van TensorFlow 2 betekent een aanzienlijke verandering in de productontwikkeling, waarbij de nadruk vooral ligt op gebruiksgemak voor alle gebruikers, van beginners tot gevorderden. Deze cursus is ook bedoeld voor gloednieuwe gebruikers en voor degenen die ervaring hebben met TensorFlow 1.x.
De kennis die nodig is om te slagen in de cursus is:
Welkom bij de cursus “Uw modellen aanpassen met TensorFlow 2”! In deze cursus verdiep je je kennis en vaardigheden in TensorFlow om voor elke toepassing op maat gemaakte modellen en deep learning-technieken te ontwikkelen. Je gebruikt low-level API’s in TensorFlow om complexe modelarchitecturen, aangepaste lagen en flexibele informatie te ontwikkelen. Breid ook je kennis van TensorFlow API’s uit met seriemodellen.
Pas de concepten onmiddellijk toe met praktische oefeningen, onder begeleiding van een gekwalificeerde onderwijsassistent. Daarnaast is er een reeks programmeeropdrachten die automatisch worden beoordeeld om je vaardigheden te versterken.
Aan het einde van de cursus groepeert u de concepten in een afstudeerproject, waarin u vanuit het niets een op maat gemaakt neuraal vertaalmodel ontwikkelt.
TensorFlow is een open source machinebibliotheek en een van de meest gebruikte deep learning-frameworks. De release van TensorFlow 2 betekent een aanzienlijke verandering in de productontwikkeling, waarbij de nadruk vooral ligt op gebruiksgemak voor alle gebruikers, van beginners tot gevorderden.
Deze cursus sluit direct aan op de voorgaande cursus ‘Aan de slag met TensorFlow 2’. De aanvullende kennis die nodig is om succesvol te zijn, is:
Welkom bij de cursus “Probabiliteitsgestuurde informatie met TensorFlow”! Deze cursus bouwt voort op de basisconcepten en -vaardigheden van TensorFlow die in de eerste twee cursussen zijn geleerd, en richt zich op een waarschijnlijkheidsgestuurde benadering van diepgaand leren. Dit is een zeer belangrijk veld dat tot doel heeft de ruis en onzekerheid te kwantificeren die vaak wordt aangetroffen in gegevens uit de echte wereld. Dit is een cruciaal aspect wanneer deep learning-modellen worden gebruikt op gebieden zoals autonome voertuigen of medische diagnoses; Het is belangrijk dat het model weet wat hij niet weet.
Je leert hoe je probabilistische modellen kunt ontwikkelen met TensorFlow, met behulp van de TensorFlow Probability Library, die is ontworpen om de integratie van probabilistische modellen met deep learning te vergemakkelijken. Deze cursus kan dus ook worden beschouwd als een inleiding tot de TensorFlow-waarschijnlijkheidsbibliotheek.
Je leert hoe probabilistische compressies kunnen worden weergegeven en geïntegreerd in deep learning-modellen in TensorFlow, inclusief Bayesiaanse neurale netwerken, normale streams en variabele auto-encoders. Je leert modellen ontwikkelen om onzekerheid te kwantificeren, evenals generatieve modellen die nieuwe voorbeelden kunnen creëren die vergelijkbaar zijn met die in de gegevens, zoals foto’s van gezichten van beroemdheden.
Pas de concepten toe door middel van praktische oefeningen, onder begeleiding van een gekwalificeerde onderwijsassistent. Daarnaast is er een reeks programmeeropdrachten die automatisch worden beoordeeld om je vaardigheden te versterken.
Aan het einde van de cursus groepeer je de concepten in een eindproject, waarin je een variabel autoencoder-algoritme ontwikkelt om een generatief model te creëren van een reeks synthetische afbeeldingen die je zelf zult moeten maken.
Deze cursus volgt op de twee voorgaande specialisatiecursussen, ‘Aan de slag met TensorFlow 2’ en ‘Je modellen aanpassen met TensorFlow 2’. De aanvullende kennis die nodig is om succesvol te zijn, is:
