Kurzusleírás
TensorFlow alapjai
- Változók létrehozása, inicializálása, mentése és visszaállítása TensorFlow Adatok betáplálása, olvasása és előtöltése TensorFlow Hogyan használjuk TensorFlow infrastruktúrát a modellek méretarányos betanításához Modellek megjelenítése és kiértékelése a TensorBoard segítségével
TensorFlow Mechanika
- Bemenetek és helyőrzők építik fel a GraphS következtetési veszteség képzést
A Perceptrontól a vektorgépek támogatásáig
- Kernelek és a kernel trükk Maximális margin osztályozás és támogatási vektorok
Mesterséges Neural Networks
- Nemlineáris döntési határok Feedforward és visszacsatoló mesterséges neurális hálózatok Többrétegű perceptronok A költségfüggvény minimalizálása Előre terjedés Vissza terjedés A neurális hálózatok tanulási módjának javítása
Konvolúciós Neural Networks
- Goals modellarchitektúra alapelvei Kódszervezet A modell elindítása és betanítása Modell kiértékelése
Követelmények
Fizika, matematika és programozási háttér. Képfeldolgozási tevékenységekben való részvétel.
Vélemények (5)
I liked the opportunities to ask questions and get more in depth explanations of the theory.
Sharon Ruane
Kurzus - Neural Networks Fundamentals using TensorFlow as Example
Very good all round overview.Good background into why Tensorflow operates as it does.
Kieran Conboy
Kurzus - Neural Networks Fundamentals using TensorFlow as Example
I was amazed at the standard of this class - I would say that it was university standard.
David Relihan
Kurzus - Neural Networks Fundamentals using TensorFlow as Example
Knowledgeable trainer
Sridhar Voorakkara
Kurzus - Neural Networks Fundamentals using TensorFlow as Example
I really appreciated the crystal clear answers of Chris to our questions.