Скачать Tensorflow 2.0: глубокое обучение и искусственный интеллект - udemy (2022)

[bart]

Tensorflow 2.0: глубокое обучение и искусственный интеллект
Tensorflow 2.0: Deep Learning and Artificial Intelligence
udemy

Добро пожаловать в Tensorflow 2.0!

Какое захватывающее время. Прошло почти 4 года с момента выпуска Tensorflow, и библиотека превратилась в официальную вторую версию.

Tensorflow — это библиотека Google для глубокого обучения и искусственного интеллекта .

Глубокое обучение недавно принесло некоторые удивительные достижения, такие как:

• Создание красивых, фотореалистичных изображений людей и вещей, которых никогда не было (GAN)
• Победа над чемпионами мира в стратегической игре Go и сложных видеоиграх, таких как CS:GO и Dota 2 (глубокое обучение с подкреплением)
• Самоуправляемые автомобили (Компьютерное зрение)
• Распознавание речи (например, Siri) и машинный перевод (обработка естественного языка)
• Даже создание видео людей, делающих и говорящих то, чего они никогда не делали (DeepFakes — потенциально гнусное применение глубокого обучения).

Tensorflow — самая популярная в мире библиотека для глубокого обучения, и она создана Google, чья материнская компания Alphabet недавно стала самой богатой компанией в мире (всего за несколько дней до того, как я написал это). Это библиотека, которую выбирают многие компании, занимающиеся искусственным интеллектом и машинным обучением.

Другими словами, если вы хотите заниматься глубоким обучением, вы должны знать Tensorflow.

Этот курс предназначен для студентов от начального уровня до уровня экспертов. Как это может быть?

Если вы только что ознакомились с моим бесплатным предварительным условием Numpy, то вы знаете все, что вам нужно, чтобы сразу приступить к работе. Мы начнем с некоторых очень простых моделей машинного обучения и перейдем к современным концепциям.

По пути вы узнаете обо всех основных архитектурах глубокого обучения, таких как глубокие нейронные сети, сверточные нейронные сети (обработка изображений) и рекуррентные нейронные сети (данные последовательности).

Текущие проекты включают:

• Обработка естественного языка (NLP)
• Рекомендательные системы
• Перенос обучения для компьютерного зрения
• Генеративно-состязательные сети (GAN)
• Бот для глубокого обучения с подкреплением

Даже если вы уже прошли все мои предыдущие курсы, вы все равно узнаете, как преобразовать свой предыдущий код, чтобы он использовал Tensorflow 2.0, и в этом курсе есть совершенно новые и никогда ранее не публиковавшиеся проекты, такие как время прогнозирование серий и как делать прогнозы акций.

Этот курс предназначен для студентов, которые хотят учиться быстро, но есть также «углубленные» разделы на случай, если вы хотите немного углубиться в теорию (например, что такое функция потерь и каковы различные типы градиента). подходы к спуску).

Расширенные темы Tensorflow включают:

• Развертывание модели с помощью Tensorflow Serving (Tensorflow в облаке)
• Развертывание модели с Tensorflow Lite (мобильные и встроенные приложения)
• Обучение распределенному Tensorflow со стратегиями распределения
• Написание собственной пользовательской модели Tensorflow
• Преобразование кода Tensorflow 1.x в Tensorflow 2.0
• Константы, переменные и тензоры
• Нетерпеливое исполнение
• Градиентная лента

Примечание инструктора: этот курс фокусируется на широте , а не на глубине , с меньшим количеством теории в пользу создания более интересных вещей. Если вы ищете более насыщенный теорией курс, это не он. Как правило, по каждой из этих тем (системы рекомендаций, обработка естественного языка, обучение с подкреплением, компьютерное зрение, GAN и т. д.) у меня уже есть курсы, специально посвященные этим темам.

Спасибо за чтение, и до встречи на занятиях!

В КАКОЙ ПОРЯДКЕ ПРОХОДИТЬ ВАШИ КУРСЫ?:

• Ознакомьтесь с лекцией «Машинное обучение и предварительная дорожная карта ИИ» (доступна в FAQ любого из моих курсов, включая бесплатный курс Numpy)

Для кого этот курс:

• От начинающих до продвинутых студентов, которые хотят узнать о глубоком обучении и искусственном интеллекте в Tensorflow 2.0.

Требования

• Уметь программировать на Python и Numpy
• Для теоретических частей (необязательно) понимать производные и вероятность

Материал на английском языке



Продажник:

Для просмотра вы должны войти или зарегистрироваться.

Скачать: