Master Deep Learning dengan TensorFlow 2 dengan Computer Vision, Pemrosesan Bahasa Alami, Pengenalan & Penerapan Suara
Apa yang akan Anda pelajari
-
Dasar-dasar Tensor dan Variabel dengan Tensorflow
-
Dasar-dasar Tensorflow dan melatih jaringan neural dengan TensorFlow 2.
-
Jaringan Syaraf Konvolusional diterapkan pada Deteksi Malaria
-
Membangun model Tensorflow yang lebih canggih dengan Functional API, Model Subclassing, dan Custom Layers
-
Mengevaluasi Model Klasifikasi menggunakan metrik yang berbeda seperti: Presisi, Ingat, Akurasi, dan skor F1
-
Evaluasi Model Klasifikasi dengan Confusion Matrix dan ROC Curve
-
Callback Tensorflow, Penjadwalan Laju Pembelajaran, dan Titik Pemeriksaan Model
-
Mengurangi Overfitting dan Underfitting dengan Dropout, Regularisasi, Augmentasi Data
-
Augmentasi data dengan TensorFlow menggunakan gambar TensorFlow dan Keras Layers
-
Strategi augmentasi lanjutan seperti Cutmix dan Mixup
-
Augmentasi data dengan Albumentasi dengan TensorFlow 2 dan PyTorch
-
Kerugian Kustom dan Metrik di TensorFlow 2
-
Mode Bersemangat dan Grafik di TensorFlow 2
-
Loop Pelatihan Kustom di TensorFlow 2
-
Mengintegrasikan Tensorboard dengan TensorFlow 2 untuk pencatatan data, melihat grafik model, penyetelan hyperparameter, dan pembuatan profil
-
Operasi Pembelajaran Mesin (MLOps) dengan Bobot dan Bias
-
Pelacakan percobaan dengan Wandb
-
Penyetelan hyperparameter dengan Wandb
-
Pembuatan versi dataset dengan Wandb
-
Pembuatan versi model dengan Wandb
-
Deteksi emosi manusia
-
Jaringan saraf convolutional modern (Alexnet, Vggnet, Resnet, Mobilenet, EfficientNet)
-
Mentransfer pembelajaran
-
Memvisualisasikan lapisan perantara convnet



