Contenuto
- Introduzione a Tensorflow per AI Machine Learning e Deep Learning (Offerto da deeplearning.ai)
- Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
- Tensorflow in Practice Learning (Offerto da deeplearning.ai)
- Reti neurali convoluzionali e Tensorflow (Offerto da deeplearning.ai)
- Comprensione dell'immagine con Tensorflow su GCP (offerto da Google Cloud Platform)
- Apprendimento automatico senza server con Tensorflow su Google Cloud Platform (offerto da Google Cloud Platform)
- Elaborazione del linguaggio naturale con Tensorflow (Offerto da deeplearning.ai)
- Conclusione
Porta via:
Tensorflow è una delle librerie open source preferite dall'ingegnere ML per rappresentare le funzioni del codice coinvolte nella ML e visualizzare le operazioni matematiche utilizzate nelle reti neurali e in altre configurazioni ML.
Tensorflow è una delle librerie open source preferite dall'ingegnere del machine learning (ML) per rappresentare le funzioni del codice coinvolte nell'ML e visualizzare le operazioni matematiche utilizzate nelle reti neurali e in altre configurazioni ML.
Ecco sei corsi disponibili sul portale di apprendimento di Coursera che guidano gli studenti verso una comprensione più completa dell'ambiente Tensorflow.
- Introduzione a Tensorflow per AI Machine Learning e Deep Learning (Offerto da deeplearning.ai)
- Tensorflow in Practice Learning (Offerto da deeplearning.ai)
- Reti neurali convoluzionali e Tensorflow (Offerto da deeplearning.ai)
- Comprensione dell'immagine con Tensorflow su GCP (offerto da Google Cloud Platform)
- Apprendimento automatico senza server con Tensorflow su Google Cloud Platform (offerto da Google Cloud Platform)
- Elaborazione del linguaggio naturale con Tensorflow (Offerto da deeplearning.ai)
Introduzione a Tensorflow per AI Machine Learning e Deep Learning (Offerto da deeplearning.ai)
Questo corso aiuta gli studenti a capire come costruire algoritmi scalabili e come funziona il deep learning. Le reti neurali sono al centro di questo corso diversificato che utilizza alcune delle conoscenze dello specialista Andrew Ng per mostrare agli studenti i principi di Tensorflow al lavoro.
Questo è un corso di livello intermedio online al 100% che richiede circa otto ore per essere completato, con un periodo di tempo suggerito di quattro settimane.
Gli studenti impareranno a formare una rete neurale per la visione artificiale, apprenderanno le migliori pratiche di Tensorflow, impareranno a comprendere le reti neurali convoluzionali e costruiranno una rete neurale di base con Tensorflow.
Una guida completa a questo tipo di visualizzazione e gestione dei componenti di apprendimento automatico.
Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.
Tensorflow in Practice Learning (Offerto da deeplearning.ai)
Quattro moduli aiutano gli studenti a esplorare le applicazioni di intelligenza artificiale (AI) e come sono realizzate. La costruzione e l'addestramento di reti neurali fa parte di questo curriculum e gli studenti impareranno a usare le convoluzioni nell'elaborazione delle immagini, al fine di facilitare capacità di identificazione e classificazione all'avanguardia.
Gli studenti possono vedere in prima persona come le macchine imparano a elaborare e come le reti neurali gestiscono i dati di input.
Gli elementi pratici del corso mostreranno come questi tipi di tecnologie funzionano nel mondo reale. Questo corso online richiede circa un mese per essere completato ed è un corso di livello intermedio.
Reti neurali convoluzionali e Tensorflow (Offerto da deeplearning.ai)
Questo corso si concentra in particolare sulla rete neurale convoluzionale, che è un tipo specifico di concetto nel mondo dell'apprendimento automatico. La CNN, come viene chiamata, gestisce l'elaborazione delle immagini attraverso l'uso di vari livelli all'interno della rete neurale.
Tecniche come il passo e l'imbottitura vengono utilizzate per filtrare e rilevare le immagini e le informazioni vengono incanalate attraverso il sistema per addestrare il computer a identificare oggetti o altri aspetti di un'immagine.
Gli studenti impareranno come un computer "vede" le informazioni e quali operazioni specifiche portano a efficaci attività di elaborazione e identificazione delle immagini.
Gli studenti apprenderanno vari problemi come la perdita di trama, l'adattamento eccessivo e l'abbandono nella ricerca delle migliori pratiche nella costruzione e nel mantenimento delle capacità della CNN per il riconoscimento facciale, lo sviluppo del prodotto e altro ancora.
Anche l'apprendimento del trasferimento farà parte di questo programma e gli studenti impareranno di più sull'estrazione e la selezione delle caratteristiche come componente di una dimensionalità di successo.
Questo corso di livello intermedio è tutto online e richiede circa sette ore per completare con un periodo di tempo suggerito del corso di quattro settimane.
Comprensione dell'immagine con Tensorflow su GCP (offerto da Google Cloud Platform)
Questo corso avanzato di machine learning è stato progettato appositamente per Google Cloud. Questo ambiente eccezionale è stato un punto di riferimento per molti sviluppatori che hanno realizzato i programmi ML più recenti e migliori.
Questo corso mostrerà agli studenti diverse strategie per mettere insieme i classificatori di immagini e li aiuterà a comprendere la costruzione di reti neurali convoluzionali. Anche l'estrazione e la selezione delle funzionalità fanno parte del focus di questo corso e gli studenti riceveranno una formazione su come prevenire il sovradimensionamento e i relativi problemi.
I componenti pratici richiedono la conoscenza di base di SQL, Python e Tensorflow.
Questo corso è online al 100% a livello avanzato e richiede 11 ore per essere completato con un investimento di tempo suggerito di 5-7 ore settimanali.
Apprendimento automatico senza server con Tensorflow su Google Cloud Platform (offerto da Google Cloud Platform)
Questo corso utilizza anche l'idea di lavorare con Tensorflow su Google Cloud Platform, ma aggiunge l'idea del computing senza server per prevedere l'apprendimento automatico in un diverso tipo di ambiente.
Nell'elaborazione senza server, le funzioni sono progettate per la consegna secondo necessità. Questo corso parlerà di casi d'uso per questo tipo di installazione e consentirà agli studenti di partecipare alla costruzione di un modello Tensorflow ML. C'è un'enfasi sulla scalabilità e l'implementazione con la comprensione delle funzionalità di preelaborazione e di come far girare i modelli ML in un'efficiente capacità virtualizzata.
Questo corso di livello intermedio è tutto online e richiede 12 ore per essere completato, con un periodo di tempo suggerito di una settimana.
Elaborazione del linguaggio naturale con Tensorflow (Offerto da deeplearning.ai)
Una delle applicazioni più popolari di Tensorflow e di altri strumenti di apprendimento automatico è la pratica dell'elaborazione del linguaggio naturale (PNL).
Questo corso consentirà agli studenti di acquisire familiarità con alcuni dei componenti della PNL relativi all'etichettatura delle unità di discorso e ad altre tecniche che aiutano le reti neurali a costruire modelli predittivi strutturali. La PNL ha beneficiato molto della ML e gli studenti possono trarre vantaggio dal vedere in prima persona come funzionano queste tecniche.
Con lo studio pratico, gli studenti affronteranno i problemi del mondo reale come come applicare reti neurali ricorrenti e LSTM a Tensorflow e come elaborare utilizzando tokenizzazione e vettori.
Questo corso è un corso di livello intermedio online al 100% che richiede nove ore per essere completato con un periodo di tempo suggerito di quattro settimane.
Conclusione
Utilizzare una qualsiasi di queste opportunità di apprendimento innovative per connettersi meglio con le nozioni di base di ML attraverso la comprensione non solo della terminologia, ma delle build di sistemi comunemente elaborate utilizzando Tensorflow.