Online cursus – gecertificeerde professionele stage in praktijkprojecten van Packt Institute

Leer het gebruik van deep learning-algoritmen met Python. Deze cursus begeleidt je bij het toepassen van deep learning-algoritmen samen met wiskundige concepten, van beginners- tot gevorderd niveau.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

starten

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Keras
  • Diep leren
  • Machinaal leren
  • Tensorstroom
  • Kunstmatige intelligentie

What you will learn in the course

Courses for which the course is suitable

  • data wetenschapper
  • Machine learning-ingenieur
  • Ontwikkelaar van kunstmatige intelligentie
  • data-analist
  • Expert in diepgaand leren
  • Ontwikkelt neurale netwerkmodellen
  • Analyseert medische beelden
  • Ontwikkelaar van machine learning-applicaties
  • Expert in beeldanalyse
  • Ontwikkelaar van oplossingen voor kunstmatige intelligentie

Stage – een cursusreeks van drie cursussen

Begin aan een diepgaande reis in deep learning, waar theoretische concepten en praktische toepassingen samenkomen. De cursus begint met een basiskennis van perceptrons en neurale netwerken, en gaat geleidelijk over naar complexe onderwerpen zoals:

  • terugpropagatie
  • Convolutionele neurale netwerken (CNN’s)

Elke module is zorgvuldig ontworpen om een ​​praktische leerervaring te bieden, zodat u het geleerde in praktijksituaties kunt toepassen.

Met nadruk op de praktische aspecten

Ons programma benadrukt de praktische aspecten van deep learning, om ervoor te zorgen dat u waardevolle vaardigheden verwerft bij het bouwen en trainen van neurale netwerken. Je ontdekt geavanceerde technieken en tools zoals:

  • TensorFlow
  • Keras

die essentieel zijn voor de ontwikkeling van moderne kunstmatige intelligentie. Van het werken met beeldgegevens tot het toepassen van transfer learning, de cursus behandelt een breed scala aan toepassingen, waaronder:

  • Medische beeldanalyse
  • Classificatie van natuurlijke afbeeldingen

Indrukwekkende portefeuille

Aan het einde van de cursus beschikt u over een indrukwekkend portfolio met projecten die uw expertise op het gebied van deep learning onder de aandacht brengen. Je wordt uitgerust om complexe problemen aan te pakken, neurale netwerken te optimaliseren en modellen in realistische omgevingen in te zetten.

Of je nu je carrière in kunstmatige intelligentie vooruit wilt helpen of je reis in datawetenschap wilt beginnen, deze cursus biedt de uitgebreide kennis en praktische ervaring die je nodig hebt.

Cursusvereisten

De cursus is bedoeld voor datawetenschappers en machine learning-ingenieurs met een basiskennis van programmeren en wiskunde in Python, waaronder:

  • Lineaire algebra
  • differentiaalrekening

Bekendheid met machine learning-algoritmen wordt aanbevolen.

Een praktisch leerproject

De projecten in de cursus zijn ontworpen om echte problemen op te lossen door deep learning-technieken toe te passen op datasets uit de echte wereld. De leerlingen zullen omgaan met praktische toepassingen zoals:

  • Analyse van natuurlijke beelden
  • Diagnose van medische aandoeningen met behulp van röntgenbeelden
  • Geavanceerde Recurrent Neural Network (RNN)-modellen toepassen voor taken zoals:
    • Tekst maken
    • Het identificeren van woordsoorten

Deze projecten zorgen ervoor dat leerlingen niet alleen de theoretische concepten begrijpen, maar ook praktische leerervaring opdoen, waardoor ze hun diepgaande leervaardigheden met succes kunnen toepassen in situaties in het echte leven.

Details of the courses that make up the specialization

Basisprincipes van Python en essentiële datawetenschap

  • Cursus 1 • 16 uur

Cursusdetails

wat ga je leren
  • Voer Python-programma’s uit voor taken met behulp van numerieke bewerkingen, besturingsstructuren en functies.
  • Analyseer gegevens met NumPy en Pandas voor uitgebreide gegevensinzichten.
  • Evalueer de prestaties van lineaire regressie- en KNN-modellen.
  • Ontwikkel verbeterde machine learning-modellen met behulp van gradiëntafdaling.
Vaardigheden die je gaat verwerven
  • Categorie: NumPy
  • Categorie: Python (programmeertaal)
  • Categorie: KNN
  • Categorie: machinaal leren
  • Categorie: Panda’s (Python-pakket)

Grondbeginselen van deep learning en neurale netwerken

  • Cursus 2 • 14 uur

Cursusdetails

wat ga je leren
  • Begrijp de concepten van waarnemers en meerlaagse neurale netwerken.
  • Pas trainingstechnieken toe, inclusief herhaling en regularisatie.
  • Analyseer convolutionele neurale netwerken voor beeld- en videoanalyse.
  • Evalueer en creëer deep learning-projecten met behulp van raamwerken zoals TensorFlow en Keras.
Vaardigheden die je gaat verwerven
  • Categorie: Keras (neurale netwerkbibliotheek)
  • Categorie: Terug
  • Categorie: machinaal leren
  • Categorie: TensorFlow
  • Categorie: kunstmatige intelligentie

Geavanceerde CNN’s, overdrachtsleer en terugkerende netwerken

  • Cursus 3 • 11 uur

Cursusdetails

wat ga je leren
  • Pas overdrachtsleertechnieken toe om de modelprestaties te verbeteren.
  • Gebruik RNN’s en LSTM’s voor reeksvoorspellingstaken.
  • Ontwikkel praktische oplossingen voor specifieke problemen in de industrie.
  • Beheers de integratie van geavanceerde neurale netwerken in echte toepassingen.
Vaardigheden die je gaat verwerven
  • Categorie: serievoorspelling
  • Categorie: Leren overdragen
  • Categorie: TensorFlow
  • Categorie: Geavanceerde CNN’s
  • Categorie: Terugkerende netwerken