Deep Learning Specialization Training

4.900,00 SEK

  • 50 hours
Blandad inlärning
eLearning
Klassrum

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

Hero

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

Hero
  1. Introduktion till djupinlärning

    Lektion 1

  2. Artificiella neuronnät

    Lektion 2

  3. Djupa neuronnät

    Lektion 3

  4. TensorFlow

    Lektion 4

  5. Modell optimering och prestandaförbättring

    Lektion 5

  6. Faltande neurala nätverk (CNN)

    Lektion 6

  7. Överföringsinlärning

    Lektion 7

  8. Objektdetektering

    Lektion 8

  9. Återkommande neuronnät (RNNs)

    Lektion 9

  10. Transformermodeller för bearbetning av naturligt språk (NLP)

    Lektion 10

  11. Kom igång med autoenkodare

    Lektion 11

  12. PyTorch

    Lektion 12

djupinlärningskurs

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

Starta kursen nu

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!