Tensor Flow Machine Learning Transfer Learning
Découvrez les fondamentaux de Convolutional Neural Network et transféchez l'apprentissage dans ce cours gratuit en ligne.
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
Start Course NowModules
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
Évaluation du cours
Learning Outcomes
Une fois ce cours terminé, vous pourrez:
- Expliquer le processus des opérations de convolution
- Discuter des opérations clés des CNN et démontrer leur utilisation dans la reconnaissance de la tâche à caractère écrit
- Décrire le processus d'utilisation du modèle d'apprentissage automatique en tant qu'extracteur de fonction
- Expliquer la procédure de réglage fin d'un modèle préformé
- Discuter de l'API Estimator et de son application
- Expliquer comment générer un discriminant de régression logistique avec l'API Tensorflow estimator
- Définir le modèle d'arbre boosté et en discuter les performances
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, Certificate or PDF.
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