Description

Ce cours en ligne gratuit en Tensor Flow Machine Learning to transfer learning commencera par vous présenter le concept de réseaux neuronaux convolutionnaires, autrement connus sous le nom de CNN. Vous en apprendrez également sur les opérations de convolution, la procédure de création de filtres ainsi que l'évaluation des filtres. Ce cours vous présentera les opérations clés de la Convolution Neural Networks et démontrera leur utilisation dans la reconnaissance de la tâche à caractère écrit. Vous apprendrez également la mise en commun, le récapitulatif des modèles et les différences entre les CNN et le réseau de neurones en aval.

Ce cours introduit ensuite l'importance du modèle d'apprentissage automatique préformé en tant qu'extracteur de fonction. Vous apprendrez également la procédure de réglage fin d'un modèle préformé. Ensuite, vous serez introduit dans le processus de création de modèles de classification d'images à partir de zéro à l'aide de stratégies utilisées dans la pratique. Vous apprendrez également à visualiser ce que le Réseau de neurones Convolution est en train d'apprendre.

Le cours explique ensuite le processus d'utilisation de Tensorflow Keras en tant qu'API pour construire des modèles d'apprentissage automatique. Vous en apprendrez également sur la présentation de la programmation aux estimateurs, aux fonctions d'entrée et aux colonnes de fonctions. Ce cours explique en détail l'importance du modèle d'arbre dopé et la façon d'utiliser l'estimateur de Tensorflow estimator pour former des classificateurs d'arbres boosté. Vous allez apprendre à créer des fonctions d'entrée et des colonnes de fonction. Vous en apprendrez également sur l'importance de l'intégration de projecteurs, l'encodage, l'intégration de couches et le décodage