Celem kursu jest wprowadzenie uczestników w świat głębokiego uczenia się z wykorzystaniem języka programowania Python i biblioteki TensorFlow. Kurs omawia podstawowe koncepcje sieci neuronowych, takie jak funkcje aktywacji, optymalizacja parametrów i zapobieganie nadmiernemu dopasowaniu.
Uczestnicy nauczą się budować i optymalizować modele głębokiego uczenia, a także stosować je w praktyce. Kurs obejmuje również sposoby redukcji nadmiernego dopasowania i zastosowania zdobytej wiedzy do rozwiązywania klasycznych problemów uczenia maszynowego.
• Koncepcja i działanie sieci neuronowych oraz ich podstawy teoretyczne.
• Główne koncepcje i terminy stosowane w kontekście sieci neuronowych.
• Strategie i techniki optymalizacji parametrów sieci neuronowej w celu osiągnięcia pożądanej wydajności.
• Wykorzystanie frameworka Tensorflow i praktyczne zastosowanie do budowy aplikacji opartych na sieciach neuronowych.
• Różne metody redukcji nadmiernego dopasowania i ich znaczenie w kontekście sieci neuronowych.
• W jaki sposób wykorzystać wiedzę zdobytą na kursie do rozwiązywania praktycznych problemów związanych z sieciami neuronowymi.
- Podstawowa znajomość programowania w języku Python (struktury danych i kontrola przepływu).
- Podstawy algebry liniowej i rachunku różniczkowego.
- Zrozumienie podstawowych koncepcji uczenia maszynowego.
- Doświadczenie w korzystaniu z bibliotek Pythona do uczenia maszynowego, takich jak NumPy, Pandas i Scikit-learn.
- Podstawowa wiedza o sieciach neuronowych.
• Czym są sieci neuronowe i na czym polega ich działanie?
• Podstawowe koncepcje sieci neuronowych
• Jak optymalizować parametry sieci neuronowych
• Zapoznanie się z Tensorflow i realizacja praktycznego zastosowania
• Główne sposoby redukcji nadmiernego dopasowania
• Wdrażanie zdobytej wiedzy w praktyce
W tej chwili nie ma żadnych rekomendacji.
Po ukończeniu kursu otrzymasz certyfikat.
