Saturs
- Ievads Tensorflow AI mašīnmācībai un padziļinātai apmācībai (piedāvā deeplearning.ai)
- Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
- Tensorflow prakses apguvē (piedāvā deeplearning.ai)
- Konvolucionālie neironu tīkli un Tensorflow (piedāvā deeplearning.ai)
- Attēlu izpratne ar Tensorflow GSP (piedāvā Google Cloud Platform)
- Bez servera darbmācība ar Tensorflow Google Cloud Platform (piedāvā Google Cloud Platform)
- Dabiskās valodas apstrāde ar Tensorflow (Piedāvā vietne deeplearning.ai)
- Secinājums
Izņemšana:
Tensorflow ir viena no ML inženieru iecienītākajām atvērtā pirmkoda bibliotēkām, lai attēlotu ML iesaistītās koda funkcijas un vizualizētu matemātiskās operācijas, kuras izmanto neironu tīklos un citos ML iestatījumos.
Tensorflow ir viena no mašīnmācīšanās (ML) inženieru iecienītākajām atvērtā pirmkoda bibliotēkām, lai attēlotu ML iesaistītās koda funkcijas un vizualizētu matemātiskās operācijas, kuras izmanto neironu tīklos un citos ML iestatījumos.
Šeit ir pieejami seši kursi, kas pieejami mācību portālā Coursera un kuri studentus virza, lai pilnīgāk izprastu Tensorflow vidi.
- Ievads Tensorflow AI mašīnmācībai un padziļinātai apmācībai (piedāvā deeplearning.ai)
- Tensorflow prakses apguvē (piedāvā deeplearning.ai)
- Konvolucionālie neironu tīkli un Tensorflow (piedāvā deeplearning.ai)
- Attēlu izpratne ar Tensorflow GSP (piedāvā Google Cloud Platform)
- Bez servera darbmācība ar Tensorflow Google Cloud Platform (piedāvā Google Cloud Platform)
- Dabiskās valodas apstrāde ar Tensorflow (Piedāvā vietne deeplearning.ai)
Ievads Tensorflow AI mašīnmācībai un padziļinātai apmācībai (piedāvā deeplearning.ai)
Šis kurss palīdz studentiem saprast, kā izveidot pielāgojamus algoritmus un kā darbojas dziļa apmācība. Neironu tīkli ir viens no uzmanības punktiem šajā daudzveidīgajā kursā, kurā tiek izmantotas dažas speciālista Endrjū Ng zināšanas, lai parādītu studentiem Tensorflow principus darbā.
Šis ir vidēja līmeņa kurss, kas ir 100% tiešsaistē un kura pabeigšana prasa apmēram astoņas stundas, ar ieteikto četru nedēļu termiņu.
Studenti iemācīsies apmācīt neironu tīklu datoru redzei, apgūst Tensorflow paraugpraksi, iemācīsies izprast konvolūcijas neironu tīklus un izveidos pamata neironu tīklu ar Tensorflow.
Visaptverošs ceļvedis šāda veida mašīnmācīšanās komponentu vizualizēšanai un apstrādei.
Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
Jūs nevarat uzlabot savas programmēšanas prasmes, ja nevienam nerūp programmatūras kvalitāte.
Tensorflow prakses apguvē (piedāvā deeplearning.ai)
Četri moduļi palīdz studentiem izpētīt mākslīgā intelekta (AI) lietojumus un to veidošanas veidus. Neironu tīklu veidošana un apmācība ir daļa no šīs programmas, un studenti iemācīsies izmantot konvolūcijas attēlu apstrādē, lai atvieglotu progresīvas identifikācijas un klasifikācijas iespējas.
Studenti var uzreiz uzzināt, kā mašīnas iemācās apstrādāt un kā neironu tīkli apstrādā ievades datus.
Praktiski elementi kursā parādīs, kā šāda veida tehnoloģijas darbojas reālajā pasaulē. Šī tiešsaistes kursa pabeigšana prasa apmēram mēnesi, un tas ir vidēja līmeņa kurss.
Konvolucionālie neironu tīkli un Tensorflow (piedāvā deeplearning.ai)
Šis kurss īpaši koncentrējas uz konvolucionāro neironu tīklu, kas ir īpaša veida jēdziens mašīnmācīšanās pasaulē. CNN, kā to sauc, apstrādā attēlu apstrādi, izmantojot dažādus neironu tīkla slāņus.
Attēlu filtrēšanai un apsekošanai tiek izmantotas tādas tehnikas kā bīdīšana un polsterēšana, un informācija tiek sakārtota caur sistēmu, lai galu galā apmācītu datoru, lai identificētu objektus vai citus attēla aspektus.
Studenti uzzinās, kā dators "redz" informāciju un kādas īpašas darbības noved pie efektīviem attēlu apstrādes un identifikācijas uzdevumiem.
Studenti uzzinās par dažādām problēmām, piemēram, zemes gabala zaudēšanu, pārmērīgu aprīkošanu un pamešanu, meklējot labāko praksi CNN iespēju veidošanā un uzturēšanā sejas atpazīšanai, produktu izstrādei un daudz ko citu.
Mācīšanās par nodošanu būs arī šīs programmas sastāvdaļa, un studenti uzzinās vairāk par funkciju ieguvi un funkciju izvēli kā veiksmīgas dimensijas sastāvdaļu.
Šis vidējā līmeņa kurss ir pieejams tiešsaistē, un tā izpilde ilgst apmēram septiņas stundas ar ieteikto četru nedēļu laika grafiku.
Attēlu izpratne ar Tensorflow GSP (piedāvā Google Cloud Platform)
Šis uzlabotais mašīnmācīšanās kurss ir īpaši izstrādāts, ņemot vērā Google Cloud. Šī augstākā vide ir bijusi pieeja daudziem izstrādātājiem, kuri izstrādā jaunākās un labākās ML programmas.
Šis kurss parādīs studentiem dažādas attēlu klasifikatoru sastādīšanas stratēģijas un palīdzēs viņiem izprast konvolūcijas neironu tīkla struktūras. Funkciju iegūšana un atlase ir arī šī kursa uzmanības centrā, un studenti iegūs apmācību, kā novērst pārmērīgu aprīkošanu un ar to saistītās problēmas.
Praktiskajiem komponentiem ir vajadzīgas zināšanas par pamata SQL, Python un Tensorflow.
Šis kurss ir 100% tiešsaistē uzlabotā līmenī, un tā pabeigšana prasa 11 stundas ar ieteikto laika ieguldījumu 5-7 stundas nedēļā.
Bez servera darbmācība ar Tensorflow Google Cloud Platform (piedāvā Google Cloud Platform)
Šajā kursā tiek izmantota arī ideja sadarboties ar Tensorflow Google Cloud Platform, taču ideja par bezsistēmas skaitļošanu tiek papildināta ar mašīnmācīšanos cita veida vidē.
Bez serveru skaitļošanas funkcijas ir paredzētas piegādei pēc nepieciešamības. Šis kurss runās par šāda veida uzstādīšanas gadījumiem un ļaus studentiem piedalīties Tensorflow ML modeļa veidošanā. Uzsvars tiek likts uz mērogojamību un izvietošanu, ar izpratni par pirmapstrādes funkcijām un to, kā sakārtot ML modeļus efektīvā virtualizētā kapacitātē.
Šis vidējā līmeņa kurss ir pieejams tiešsaistē, un tā pabeigšana prasa 12 stundas, un ieteiktais laika posms ir viena nedēļa.
Dabiskās valodas apstrāde ar Tensorflow (Piedāvā vietne deeplearning.ai)
Viens no populārākajiem Tensorflow un citu mašīnmācīšanās rīku lietojumiem ir dabiskās valodas apstrādes prakse (NLP).
Šis kurss iepazīs studentus ar dažiem NLP komponentiem, kas saistīti ar runas vienību marķēšanu un citām metodēm, kas palīdz neironu tīkliem veidot strukturālos prognozēšanas modeļus. NLP ir guvis daudz labumu no ML, un studenti var gūt labumu, redzot, kā šīs metodes darbojas tiešā veidā.
Ar praktisko pētījumu palīdzību studenti pievērsīsies reālās pasaules problēmām, piemēram, kā Tensorflowā izmantot atkārtotus neironu tīklus un LSTM un kā apstrādāt, izmantojot tokenizāciju un vektorus.
Šis kurss ir 100% tiešsaistes vidēja līmeņa kurss, kura pabeigšana prasa deviņas stundas ar ieteikto četru nedēļu termiņu.
Secinājums
Izmantojiet jebkuru no šīm inovatīvajām mācību iespējām, lai labāk savienotos ar ML uzgriežņiem un bultskrūvēm, izprotot ne tikai terminoloģiju, bet arī sistēmu uzbūves, kuras parasti izstrādā, izmantojot Tensorflow.