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.
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.
Start Course NowModules
Introduction à Tensorflow
-
Introduction à Tensorflow-Résultats d'apprentissage
-
Présentation de Tensorflow
-
Régénération de l'apprentissage machine
-
Étapes du processus d'apprentissage automatique
-
Fonction de perte dans l'apprentissage machine
-
Gradient Descent
-
Introduction à Tensorflow-Sommaire de la leçon
Concepts d'apprentissage machine
-
Concepts d'apprentissage machine-Résultats d'apprentissage
-
Variations de Descent de Gradient
-
Sélection et évaluation des modèles
-
Visualisation de l'apprentissage machine
-
Deep Learning Refresher
-
Introduction à Tensor
-
Concepts d'apprentissage machine-Récapitulatif de la leçon
Pipelines et traitement de texte
-
Pipelines et traitement de texte-Résultats d'apprentissage
-
Principes mathématiques fondamentaux de l'apprentissage profond
-
Génération de pipelines de données pour Tensorflow I
-
Génération de pipelines de données pour Tensorflow II
-
Génération de pipelines de données pour Tensorflow III
-
Traitement de texte avec flux Tensorflow
-
Pipelines et traitement de texte-Sommaire de la leçon
Génération de modèles d'apprentissage machine
-
Construire des modèles d'apprentissage machine-Résultats d'apprentissage
-
Classer l'image
-
Régression
-
Classer les données structurées
-
Classification du texte
-
Compréhension et surajustement
-
Enregistrer et restaurer des modèles
-
Construire des modèles d'apprentissage machine-Résumé de la leçon
Diplôme en Machine Pratique Apprentissage avec Flot de Tensor-Première évaluation
Réseau neuronal révolutionnaire
-
Réseau neuronal révolutionnaire-Résultats d'apprentissage
-
Réseaux neuronaux convolutionnaires
-
Opérations clés dans les CNN
-
Transfert d'apprentissage avec les CNN ayant reçu une formation préalable
-
Learning Learning with Tensorflow Hub
-
Classification et visualisation des images
-
Réseau neuronal révolutionnaire-Sommaire de la leçon
Formation et intégration
-
Formation et intégration-Résultats d'apprentissage
-
API Estimator
-
Régression logistique
-
Arbres boostés
-
Introduction à Word Embeddings
-
Réseau neuronal révolutionnaire-Sommaire de la leçon
Introduction à des réseaux neuraux récurrents
-
Introduction aux réseaux neuraux récurrents-Résultats d'apprentissage
-
Réseaux neuraux récurrents
-
Réseaux neuraux récurrents II
-
Prévision des séries temporelles avec les RNN
-
Génération de texte avec des RNN
-
Introduction aux réseaux neuraux récurrents-Sommaire de la leçon
Formation et personnalisation
-
Formation et personnalisation-Résultats d'apprentissage
-
Personnalisation de Tensorflow
-
Personnalisation du flux Tensorflow
-
Concepts de Keras de Tensorflow
-
Tensorflow Formation distribuée
-
Formation et personnalisation-Sommaire de la leçon
Diplôme en Machine Pratique Apprentissage avec Flot de Tensor-Deuxième Evaluation
Évaluation du cours
Learning Outcomes
Une fois ce cours terminé, vous pourrez:
- Discuter de l'histoire et du développement de Tensorflow
- Différenciez entre l'apprentissage automatique et la programmation traditionnelle
- Expliquez l'importance d'un terrain de jeu de réseau neuronal
- Analyser les fondements mathématiques de l'apprentissage profond
- Expliquer le processus d'utilisation de l'API TensorFlow pour construire un modèle d'apprentissage profond pour les problèmes de régression
- Discuter de la classification et de la visualisation d'images
- Expliquer les méthodes d'amélioration de la précision du modèle
Certification
All Alison courses are free to study. To successfully complete a course you must score 80% or higher in each course assessments. Upon successful completion of a course, you can choose to make your achievement formal by purchasing an official Alison Diploma or Certificate.
Having an official Alison document is a great way to celebrate and share your success. It is:
- Ideal to include with CVs, job applications and portfolios
- A way to show your ability to learn and achieve high results