Deep Learning med Keras och TensorFlow - eLearning
4.950,00 SEK
- 10 hours
Kliv in i framtiden för artificiell intelligens med en certifieringsutbildning i deep learning och skaffa dig de färdigheter som krävs för att bygga intelligenta, datadrivna system. Det här heltäckande programmet är utformat för att hjälpa dig att förstå hur neurala nätverk fungerar och hur de driver verkliga applikationer som bildigenkänning, naturlig språkbehandling och prediktiv analys.
Nyckelfunktioner
Språk
Kurs och material på engelska
Nivå
Mellannivå
Åtkomst
1 års tillgång till utbildningsplattformen
2 timmar med videor på begäran
med mer än 10 timmars rekommenderad studietid
7 automatbedömda prov
3 omfattande uppgifter
7 e-böcker
30 repetitionsquiz
Certifiering
Intyg om genomförd utbildning ingår

Lärandemål
I slutet av den här kursen kommer du att kunna:
Grunder
Förstå grunderna i deep learning och neurala nätverk
Tåg
Bygg och träna artificiella neurala nätverk från grunden
Ansök
Tillämpa optimeringstekniker som gradientnedstigning och backpropagering
CNN:er
Implementera konvolutionella neurala nätverk (CNN) för bildbehandlingsuppgifter
RNN:er
Arbeta med rekurrenta neurala nätverk (RNN:er) för sekventiell data
TensorFlow
Använd TensorFlow och Keras för att bygga och distribuera djupinlärningsmodeller
Tekniker
Tillämpa djupinlärningstekniker på verkliga områden som NLP och datorseende
Utveckla
Utveckla praktiska, produktionsklara AI-lösningar med Python

Kursöversikt
Grunderna i djupinlärning
Lektion 01
- Introduktion till djupinlärning
- Grunderna i djupinlärning
- Vikten av djupinlärning
TensorFlow
Lektion 02
- Kom igång med TensorFlow
- TensorFlow och Keras
- Keras-API:et
- Bostadspriser i Boston
- Träna en modell
- Utvärdering av djupinlärningsmodeller
Konvolutionella neurala nätverk
Lektion 03
- Introduktion till CNN:er
- Hur fungerar CNN:er?
- Bildklassificering
Avancerade CNN-modeller
Lektion 04
- Avancerade CNN-modeller
- Att återbesöka konvolutioner
- Djupvisa konvolutioner
- MobileNetV2
- Autoenkodare
- Transponerade konvolutioner
- Underklassa keras.Model
- Avbrusning av bilder
- Typer av bildsegmentering
- COCO-datasetet
- U-Net
- Anpassade datageneratorer
- Att bygga en modell för bildsegmentering
Behandling av naturligt språk
Lektion 05
- Introduktion till Natural Language Processing (NLP)
- Rekurrenta neurala nätverk (RNN)
- Textklassificering
Generativa adversariella nätverk (GANs)
Lektion 06
- Vad är generativa adversariella nätverk (GAN:er)
- Autoencoders återbesökta
- Hur fungerar GAN:er?
- Exempel på GAN:er
- Utmaningar med GAN:er
- DCGAN
- Bygga en generator
- Att bygga en diskriminator
- Bygga GAN-modellen
- Träningsslingan
AI i verkligheten
Lektion 07
- Kom igång med AI i verkligheten
- AI i produktion
- Problemen med AI (teknik) – adversariella attacker
- Problemen med AI (teknik) – förväxlingsmatriser
- Problemen med AI (teknik) – modellernas noggrannhet
- Problemen med AI (etik) – när algoritmer går fel
- Problemen med AI (etik) – vad kan vi göra annorlunda?

Vem bör anmäla sig till det här programmet?
Förutsättningar
- Grundläggande förståelse för programmering i Python rekommenderas
- Kunskap i statistik, algebra och sannolikhetslära är till hjälp
- Erfarenhet av dataanalyskoncept är en fördel
- Intresse för artificiell intelligens och maskininlärning
Blivande dataforskare och AI-ingenjörer
Mjukvaruingenjörer som går över till roller inom maskininlärning
Dataanalytiker och dataingenjörer
Big data-specialister
Uttalanden
Licensiering och ackreditering
Denna kurs erbjuds i enlighet med Partnerprogramavtalet och uppfyller kraven i Licensavtalet
Likabehandlingspolicy
Kandidater uppmuntras att kontakta AVC för vägledning och stöd under hela processen för att ordna anpassningar.
Vanliga frågor

Behöver du företagslösningar eller LMS-integration?
Hittade du inte kursen eller programmet som skulle passa för ditt företag? Behöver du LMS-integration? Skriv till oss! Vi löser det!
