Откройте для себя наши лучшие учебные пособия и руководства по различным темам, включая технологии, здоровье, образ жизни и многое другое. Присоединяйтесь к нам, чтобы получать насыщенные и интересные обновления, которые помогут вам расширить свои знания и улучшить свою жизнь.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
Эта специализация предназначена для исследователей и практиков машинного обучения, желающих развить практические навыки в популярной среде глубокого обучения TensorFlow.
Первый курс по этой специализации познакомит вас с основными понятиями, необходимыми для:
Второй курс углубит ваши знания и навыки в TensorFlow, чтобы развить:
Вы также привыкнете к API-интерфейсам TensorFlow, позволяющим включать модели последовательностей.
Последний курс специализируется на вероятностном подходе, который становится все более значимым в глубоком обучении. Вы узнаете:
Этот курс также можно рассматривать как введение в библиотеку TensorFlow Probability.
Знания, необходимые для этой специализации:
В рамках итоговых проектов и заданий по программированию по этой специализации вы приобретете практические навыки разработки моделей глубокого обучения для различных приложений, таких как:
Добро пожаловать на курс «Начало работы с TensorFlow 2»! В этом курсе вы изучите весь процесс разработки моделей глубокого обучения с помощью TensorFlow: от характеристики, обучения, оценки и прогнозирования с помощью моделей через последовательный API, проверки моделей, интеграции регулирования, реализации повторных считываний, а также сохранения и загрузки моделей.
Применяйте изученные концепции сразу же, выполняя практические упражнения по программированию под руководством квалифицированного помощника преподавателя. Кроме того, существует ряд заданий по программированию, которые автоматически оцениваются для укрепления ваших навыков.
В конце курса вы сгруппируете концепции в итоговый проект, в котором разработаете модель классификатора изображений с нуля.
TensorFlow — это машинная библиотека с открытым исходным кодом и одна из наиболее широко используемых сред глубокого обучения. Выпуск TensorFlow 2 означает значительные изменения в разработке продукта, при этом основной упор делается на простоту использования для всех пользователей, от новичков до продвинутых уровней. Этот курс также предназначен для новых пользователей, а также для тех, кто имеет опыт работы с TensorFlow 1.x.
Для успешного прохождения курса необходимы следующие знания:
Добро пожаловать на курс «Настройка моделей с помощью TensorFlow 2»! В этом курсе вы углубите свои знания и навыки в TensorFlow для разработки моделей и методов глубокого обучения, адаптированных для каждого приложения. Вы будете использовать низкоуровневые API в TensorFlow для разработки сложных архитектур моделей, пользовательских слоев и гибкой информации. Также расширьте свои знания API-интерфейсов TensorFlow, включив в них серийные модели.
Немедленно применяйте концепции с помощью практических упражнений под руководством квалифицированного ассистента преподавателя. Кроме того, существует ряд заданий по программированию, которые автоматически оцениваются для укрепления ваших навыков.
В конце курса вы сгруппируете концепции в итоговый проект, в котором с нуля разработаете индивидуальную модель нейронного перевода.
TensorFlow — это машинная библиотека с открытым исходным кодом и одна из наиболее широко используемых сред глубокого обучения. Выпуск TensorFlow 2 означает значительные изменения в разработке продукта, при этом основной упор делается на простоту использования для всех пользователей, от новичков до продвинутого уровня.
Этот курс непосредственно следует за предыдущим курсом «Начало работы с TensorFlow 2». Дополнительные знания, необходимые для успеха:
Добро пожаловать на курс «Вероятностно-ориентированная информация с TensorFlow»! Этот курс основан на базовых концепциях и навыках TensorFlow, полученных на первых двух курсах, и фокусируется на вероятностно-ориентированном подходе к глубокому обучению. Это очень важная область, целью которой является количественная оценка шума и неопределенности, часто встречающихся в реальных данных. Это кардинальный аспект, когда модели глубокого обучения используются в таких областях, как автономные транспортные средства или медицинская диагностика; Важно, чтобы модель знала то, чего не знает он.
Вы узнаете, как разрабатывать вероятностные модели с помощью TensorFlow, используя библиотеку вероятностей TensorFlow, которая была разработана для облегчения интеграции вероятностных моделей с глубоким обучением. Таким образом, этот курс также можно считать введением в библиотеку вероятностей TensorFlow.
Вы узнаете, как вероятностные сжатия могут быть представлены и интегрированы в модели глубокого обучения в TensorFlow, включая байесовские нейронные сети, обычные потоки и переменные автокодировщики. Вы научитесь разрабатывать модели для количественной оценки неопределенности, а также генеративные модели, которые могут создавать новые примеры, аналогичные тем, которые содержатся в данных, например изображения лиц знаменитостей.
Применяйте концепции посредством практических упражнений под руководством квалифицированного ассистента преподавателя. Кроме того, существует ряд заданий по программированию, которые автоматически оцениваются для укрепления ваших навыков.
В конце курса вы сгруппируете концепции в итоговый проект, в котором разработаете алгоритм переменного автокодировщика для создания генеративной модели набора синтетических изображений, которые вам придется создать самостоятельно.
Этот курс следует за двумя предыдущими специализированными курсами: «Начало работы с TensorFlow 2» и «Адаптация ваших моделей с помощью TensorFlow 2». Дополнительные знания, необходимые для успеха:
