Kuasai Pembelajaran Mendalam dengan TensorFlow 2 dengan Computer Vision, Pemrosesan Bahasa Alami, Pengenalan & Penerapan Suara
Yang akan Anda pelajari
-
Dasar-dasar Tensor dan Variabel dengan Tensorflow
-
Dasar-dasar Tensorflow dan melatih jaringan neural dengan TensorFlow 2.
-
Jaringan Neural Konvolusional diterapkan pada Deteksi Malaria
-
Membangun model Tensorflow yang lebih canggih dengan API Fungsional, Subkelas Model, dan Lapisan Kustom
-
Mengevaluasi Model Klasifikasi menggunakan metrik yang berbeda seperti: Presisi, Perolehan, Akurasi, dan skor F1
-
Evaluasi Model Klasifikasi dengan Confusion Matrix dan Kurva ROC
-
Callback Tensorflow, Penjadwalan Kecepatan Pembelajaran, dan Pemeriksaan Model
-
Mengurangi Overfitting dan Underfitting dengan Dropout, Regularisasi, Augmentasi Data
-
Augmentasi data dengan TensorFlow menggunakan gambar TensorFlow dan Keras Layers
-
Strategi augmentasi tingkat lanjut seperti Cutmix dan Mixup
-
Augmentasi data dengan Albumentasi dengan TensorFlow 2 dan PyTorch
-
Kerugian dan Metrik Khusus di TensorFlow 2
-
Mode Eager dan Grafik di TensorFlow 2
-
Loop Pelatihan Khusus 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
-
Eksperimen pelacakan dengan Wandb
-
Penyetelan hyperparameter dengan Wandb
-
Pembuatan versi kumpulan data dengan Wandb
-
Pembuatan versi model dengan Wandb
-
Deteksi emosi manusia
-
Jaringan saraf konvolusional modern (Alexnet, Vggnet, Resnet, Mobilenet, EfficientNet)
-
Mentransfer pembelajaran
-
Memvisualisasikan lapisan perantara konvnet



