Kursus PALING mendalam pada teori jaringan saraf untuk pembelajaran mesin, dengan kode Python murni dan Tensorflow
Apa yang akan Anda pelajari
-
Pelajari cara kerja Deep Learning
-
Pelajari bagaimana jaringan saraf dibangun dari blok bangunan dasar (neuron)
-
Kode jaringan saraf dari awal dengan Python dan numpy
-
Kode jaringan saraf menggunakan TensorFlow Google
-
Jelaskan berbagai jenis jaringan saraf dan berbagai jenis masalah yang mereka gunakan
-
Turunkan aturan backpropagation dari prinsip pertama
-
Buat jaringan saraf dengan keluaran yang memiliki kelas K > 2 menggunakan softmax
-
Jelaskan berbagai istilah yang terkait dengan jaringan saraf, seperti “aktivasi”, “backpropagation” dan “feedforward”
-
Instal TensorFlow
Persyaratan
-
Matematika dasar (turunan kalkulus, matriks aritmatika, probabilitas)
-
Instal Numpy dan Python
-
Menginstal TensorFlow
-
Memahami regresi logistik
Keterangan
Kursus ini akan membantu Anda memulai membangun jaringan saraf tiruan PERTAMA menggunakan teknik pembelajaran mendalam . Mengikuti kursus sebelumnya tentang regresi logistik, kami mengambil blok bangunan dasar ini, dan membangun jaringan saraf non-linier penuh langsung dari gerbang menggunakan Python dan Numpy.
Kami memperluas model klasifikasi biner sebelumnya ke beberapa kelas menggunakan fungsi softmax, dan kami memperoleh metode pelatihan yang sangat penting yang disebut ” backpropagation ” menggunakan prinsip pertama. Kami tunjukkan cara membuat kode backpropagation di Numpy, pertama “cara lambat”, dan kemudian “cara cepat” menggunakan fitur Numpy.
Selanjutnya, kami mengimplementasikan jaringan saraf menggunakan pustaka TensorFlow baru dari Google.
Anda harus mengikuti kursus ini jika Anda tertarik untuk memulai perjalanan menjadi master dalam pembelajaran mendalam, atau jika Anda tertarik dengan pembelajaran mesin dan ilmu data secara umum. Kami melampaui model dasar seperti regresi logistik dan regresi linier dan kami tunjukkan sesuatu yang .
