Курс має на меті познайомити учасників зі світом глибинного навчання, використовуючи мову програмування Python і бібліотеку TensorFlow. Курс вивчає фундаментальні концепції нейронної мережі, такі як функції активації, оптимізація параметрів і запобігання переобладнанню.
Учасники навчаться створювати та оптимізувати моделі глибинного навчання, а також застосовувати їх у практичних ситуаціях. Курс також охоплює способи зменшення переобладнання та застосування отриманих знань для вирішення класичних задач машинного навчання.
• Поняття та функціонування нейронних мереж, а також їх теоретичні основи.
• Основні поняття та терміни, що використовуються в контексті нейронних мереж.
• Стратегії та методи оптимізації параметрів нейронних мереж з метою досягнення бажаної продуктивності.
• Використання фреймворку Tensorflow і практичного застосування для створення програми на основі нейронних мереж.
• Різні методи зменшення переобладнання та їх важливість у контексті нейронних мереж.
• Як застосувати знання, отримані на курсі, для вирішення практичних завдань, пов'язаних з нейронними мережами.
- Базові знання програмування на Python (структури даних і потік керування).
- Основи лінійної алгебри та диференціального числення.
- Розуміння фундаментальних концепцій машинного навчання.
- Досвід роботи з бібліотеками машинного навчання Python, такими як NumPy, Pandas і Scikit-learn.
- Базові знання про нейронні мережі.
• Що таке нейронні мережі і що за ними стоїть
• Основні поняття про нейронні мережі
• Як оптимізувати параметри нейронних мереж
• Знайомство з Tensorflow і практичне застосування
• Основні шляхи зменшення переобладнання
• Застосування отриманих знань на практиці
Наразі рекомендацій немає.
Після цього курсу ви отримаєте сертифікат про проходження.
