Loading

GET CERTIFIED: 25% Off Certificates and Diplomas! Limited-time Offer - ends Friday, 25th June 2021

Claim My 25% OFF

Diplôme en Machine pratique Learning avec Tensor Flow

Découvrez les principes de base de l'apprentissage automatique et de l'application de TensorFlow dans ce cours gratuit en ligne.

Publisher: NPTEL
Ce cours en ligne gratuit sur l'apprentissage pratique des machines et TensorFlow sera particulièrement utile pour les entreprises de technologie, les ingénieurs en informatique. Il sera également utile pour les professionnels de l'intelligence artificielle qui s'occupent du traitement des données, ainsi que pour la construction de modèles d'apprentissage automatique. À la fin de ce cours, vous vous familiarerez avec les concepts de TensorFlow, de modèles d'apprentissage automatique et de réseaux neuronaux.
Diplôme en Machine pratique Learning avec Tensor Flow
  • Durée

    9-10 Heures
  • Students

    2,810
  • Accreditation

    CPD

Description

Modules

Résultats

Certification

View course modules

Description

Ce cours en ligne gratuit en apprentissage machine pratique avec TensorFlow va commencer par vous présenter le concept de l'apprentissage automatique et la présentation de TensorFlow. Vous en apprendrez davantage sur les étapes du processus d'apprentissage automatique, la régression logistique et la perte de remords dans l'apprentissage automatique. Vous serez également introduit dans la descente en gradient, les variations de descente en pente, la visualisation d'apprentissage automatique ainsi que la matrice de confusion.

Le cours introduit ensuite le concept des tenseurs et leur pertinence. Vous en apprendrez davantage sur les fondements mathématiques de l'apprentissage profond. Vous apprendrez également à construire des pipelines de données pour TensorFlow ainsi que le traitement de texte avec TensorFlow. Ensuite, vous serez introduit dans les modèles d'apprentissage automatique, la classification de texte, le surajustement, le sous-ajustement, la régression et l'architecture du modèle de réseau neuronal.

Le cours explique ensuite la signification du réseau neuronal de convolution et de l'apprentissage de transfert. Vous en apprendrez également sur la mise en commun et la classification et la visualisation d'images. Ce cours explique en grand détail l'estimateur de l'estimateur, les arbres boosté ainsi que les intégrations de mots et son application. Ce cours explique également la personnalisation de TensorFlow, l'écriture d'une couche personnalisée ainsi que la formation distribuée de Tensorflow.

Démarrer le cours maintenant

Careers