Deep Learning Specialization Training
4.900,00 SEK
- 50 hours
Denna omfattande kurs ger kunskap och färdigheter för att effektivt distribuera djupinlärningsverktyg med hjälp av AI/ML-ramverk. Du kommer att utforska grundläggande koncept och praktiska tillämpningar av djupinlärning samtidigt som du får en tydlig förståelse för skillnaderna mellan djupinlärning och maskininlärning. Kursen täcker ett brett spektrum av ämnen, inklusive neurala nätverk, framåt- och bakåtpropagering, TensorFlow 2, Keras, tekniker för optimering av prestanda, modelltolkbarhet, konvolutionella neurala nätverk (CNN), överföringsinlärning, objektdetektering, återkommande neurala nätverk (RNN), autoenkodare och skapande av neurala nätverk i PyTorch. Vid kursens slut kommer du att ha en gedigen grund i principer för djupinlärning och förmågan att effektivt bygga och optimera djupinlärningsmodeller med hjälp av Keras och TensorFlow.
Nyckelfunktioner
Språk
Kurs och material på engelska
Nivå
Mellannivå - avancerad nivå
Åtkomst
1 års tillgång till plattformen & klassinspelningar
6 timmars videolektioner
och 40 timmars online liveklass
Studietid
Rekommendation om 50 timmars studietid
Virtuellt labb ingår för övning
3 kursavslutande projekt och 1 utvärderingstest
Ingen tentamen
men intyg om slutförande ingår
Lärandemål
I slutet av denna kurs kommer du att kunna:
Djupinlärning
Särskilj mellan djupinlärning och maskininlärning och förstå deras respektive tillämpningar.
Neurala nätverk
Få en grundlig förståelse för olika typer av neurala nätverk.
DNNs
Bemästra koncepten för framåtpropagering och bakåtpropagering i djupa neuronnät (DNNs).
Modellering
Få insikt i modelleringstekniker och förbättring av prestanda inom djupinlärning.
Parameter
Förstå principerna för inställning av hyperparametrar och modelltolkbarhet.
Tekniker
Lär dig om grundläggande tekniker såsom dropout och tidigt avbrott och implementera dem effektivt.
CNNs
Utveckla expertis inom konvolutionella neuronnät (CNNs) och objektdetektering.
PyTorch
Bli bekant med PyTorch och lär dig hur man skapar neuronnät med hjälp av detta ramverk.
RNNs
Skaffa en gedigen förståelse för återkommande neuronnät (RNNs).
Kurstidslinje
Introduktion till djupinlärning
Lektion 1
Artificiella neuronnät
Lektion 2
Djupa neuronnät
Lektion 3
TensorFlow
Lektion 4
Modell optimering och prestandaförbättring
Lektion 5
Faltande neurala nätverk (CNN)
Lektion 6
Överföringsinlärning
Lektion 7
Objektdetektering
Lektion 8
Återkommande neuronnät (RNNs)
Lektion 9
Transformermodeller för bearbetning av naturligt språk (NLP)
Lektion 10
Kom igång med autoenkodare
Lektion 11
PyTorch
Lektion 12
Vem bör anmäla sig till detta program?
Förkunskapskrav:
Grundläggande programmering i Python, kunskap i linjär algebra, sannolikhetsteori och vissa grundläggande principer inom maskininlärning rekommenderas starkt.
Mjukvaruingenjörer & Utvecklare
Dataforskare & Analytiker
AI/ML-entusiaster
Studenter & Forskare
IT- & molnproffs
Affärs- & produktchefer
Vanliga frågor
Behöver du en företagslösning eller integration av LMS?
Hittade du inte kursen eller programmet som skulle passa för ditt företag? Behöver du LMS-integration? Skriv till oss! Vi löser det!