Онлайн-курс – сертифицированная профессиональная специализация по передовым технологиям DeepLearning.AI.

Пользовательские модели, слои и функции потерь с TensorFlow

Курс 1 • 31 час • 4,9 (1046 оценок)

Детали курса

чему ты научишься

• Вы сравните функциональные и последовательные API, откроете для себя новые модели, которые можно построить с помощью функционального API, и создадите модель, которая дает несколько результатов, включая сиамскую сеть.
• Создавайте собственные функции потерь (включая функцию контрастных потерь, используемую в сиамской сети), чтобы измерить успешность модели и помочь вашей нейронной сети учиться на обучающих данных.
• Вы будете использовать существующие стандартные слои для создания пользовательских слоев для вашей модели, адаптируете сетевой слой с помощью входного слоя, поймете различия между ними, узнаете, что представляет собой пользовательский слой, и изучите функции активации.
• Вы будете использовать существующие модели для добавления пользовательских функций, узнаете, как определить свой собственный пользовательский класс вместо использования функциональных или последовательных API, построить сетевые модели из класса модели TensorFlow и построить ResNet, определив пользовательский класс модели.

Специализация DeepLearning.AI в TensorFlow: передовые методы

Представляет функции TensorFlow, которые дают учащимся больше контроля над архитектурой своих моделей, а также инструменты, которые помогают им создавать и обучать продвинутые модели машинного обучения.

Эта специализация предназначена

Для инженеров программного обеспечения и машинного обучения начального и среднего звена, которые имеют базовое представление о TensorFlow и хотят расширить свои знания и навыки, изучая расширенные функции TensorFlow для создания мощных моделей.

Навыки, которые вы приобретете

• Категория: Функциональный API
• Функциональный API
• Категория: Кастомные и кастомные модели с функциональным API
• Индивидуальные и кастомные модели с функциональным API
• Категория: Функции скорректированных потерь
• Скорректированные функции потерь
• Категория: пользовательские слои
• Пользовательские слои

Персонализированное и распределенное обучение с TensorFlow

Курс 2 • 24 часа • 4,8 (406 оценок)

Детали курса

чему ты научишься

• Вы узнаете об объектах Tensor, основных строительных блоках TensorFlow, поймете разницу между «энтузиастическим» и «графическим» тензорами в TensorFlow и узнаете, как использовать инструменты TensorFlow для вычисления градиентов.
• Создавайте собственные циклы обучения, используя наборы данных GradientTape и TensorFlow, чтобы добиться большей гибкости и наглядности при обучении вашей модели.
• Вы узнаете о преимуществах создания кода, работающего в графическом режиме, увидите, как выглядит графический код, и попрактикуетесь в автоматической миграции этого эффективного кода с помощью инструментов TensorFlow.
• Вы воспользуетесь возможностями распределенного обучения, чтобы быстрее обрабатывать больше данных и обучать более крупные модели, получите обзор различных стратегий распределенного обучения и попрактикуетесь в работе со стратегией, которая обучается на нескольких графических процессорах, и другой, которая обучается на нескольких TPU.

Специализация DeepLearning.AI в TensorFlow: передовые методы

Представляет функции TensorFlow, которые дают учащимся больше контроля над архитектурой своих моделей, а также инструменты, которые помогают им создавать и обучать продвинутые модели машинного обучения.

Эта специализация предназначена

Для инженеров программного обеспечения и машинного обучения начального и среднего звена, которые имеют базовое представление о TensorFlow и хотят расширить свои знания и навыки, изучая расширенные функции TensorFlow для создания мощных моделей.

Навыки, которые вы приобретете

• Категория: Стратегии дистрибуции
• Стратегии распространения
• Категория: GradientTape для оптимизации
• GradientTape для оптимизации
• Категория: Индивидуальные тренировочные циклы
• Индивидуальные циклы обучения
• Категория: базовый функционал тензоров
• Базовый функционал тензоров

Расширенное компьютерное зрение с TensorFlow

Курс 3 • 19 часов • 4,8 (498 оценок)

Детали курса

чему ты научишься

• Вы изучите классификацию изображений, сегментацию изображений, расположение объектов и обнаружение объектов. Применяйте трансферное обучение для определения местоположения и обнаружения объектов.
• Применяйте модели обнаружения объектов, такие как Regional-CNN и ResNet-50, адаптируйте существующие модели и создавайте свои собственные модели для обнаружения, определения местоположения и маркировки изображений уток.
• Применяйте сегментацию изображений, используя варианты полной сверточной сети (FCN), включая U-Net и Mask-RCNN, для распознавания и обнаружения чисел, домашних животных, зомби и многого другого.
• Определите, какие части изображения используются вашей моделью для прогнозирования с помощью карт активации классов и карт важности, и примените эти методы интерпретации машинного обучения для тестирования и улучшения конструкции известной сети AlexNet.

Специализация DeepLearning.AI в TensorFlow: передовые методы

Представляет функции TensorFlow, которые дают учащимся больше контроля над архитектурой своих моделей, а также инструменты, которые помогают им создавать и обучать продвинутые модели машинного обучения.

Эта специализация предназначена

Для инженеров программного обеспечения и машинного обучения начального и среднего звена, которые имеют базовое представление о TensorFlow и хотят расширить свои знания и навыки, изучая расширенные функции TensorFlow для создания мощных моделей.

Навыки, которые вы приобретете

• Категория: Важность
• важность
• категория: Сегментация изображений
• Сегментация изображений
• Категория: Интерпретация моделей
• Интерпретация моделей
• Категория: Операционные карты отделений
• Оперативные карты отделений
• Категория: API обнаружения объектов в TensorFlow
• API для обнаружения объектов в TensorFlow

Генеративное глубокое обучение с TensorFlow

Курс 4 • 16 часов • 4.9 (279 оценок)

Детали курса

чему ты научишься

• Вы узнаете о нейронной передаче стиля посредством трансферного обучения: найдите содержание изображения (например, утки) и стиль картины (например, кубизм или импрессионизм) и объедините содержание и стиль в новое изображение.
• Вы создадите простые автоэнкодеры на основе известного набора данных MNIST и более сложные глубокие сверточные архитектуры на наборе данных Fashion MNIST, поймете разницу в результатах между моделями DNN и CNN, определите способы удаления шума из зашумленных изображений и построите CNN. AutoEncoder использует TensorFlow для создания чистого изображения из зашумленного изображения.
• Исследуйте вариационные автоэнкодеры (VAE), чтобы создавать совершенно новые данные и создавать аниме-лица для сравнения с эталонными изображениями.
• Вы узнаете о GAN; Изобретение, особенности, архитектура и чем они отличаются от VAE, вы поймете роль генератора и дискриминатора внутри модели, концепцию двух этапов обучения и роль введенного шума, а также построите свою собственную GAN, способную генерировать лица.

Специализация DeepLearning.AI в TensorFlow: передовые методы

Представляет функции TensorFlow, которые дают учащимся больше контроля над архитектурой моделей и предоставляют им инструменты для создания и обучения передовых моделей машинного обучения.

Эта специализация предназначена

Для инженеров программного обеспечения и машинного обучения начального и среднего звена, которые имеют базовое представление о TensorFlow и хотят расширить свои знания и навыки, изучая расширенные функции TensorFlow для создания мощных моделей.

Навыки, которые вы приобретете

• Категория: Автокодеры
• Автоматические кодировщики
• Категория: состязательные генерирующие сети
• Противостоящие генеративные сети
• Категория: Передача нейронного стиля
• Передача нейронного типа