Скоро! Введение в нейронные сети (Keras, Tensorflow) [stepik] [Юлия Пономарева]

[EGround]

Складчина: Введение в нейронные сети (Keras, Tensorflow) [stepik] [Юлия Пономарева]​

Для кого этот курс:

Для тех, кто хочет разбираться в устройстве нейронных сетей, кто хочет решать задачи компьютерного зрения (computer vision) или обработки естественного языка (natural language processing), кто хочет получить навык написания кода на Keras/Tensorflow

Начальные требования:

• Основы Python
• Numpy
• Основы линейной алгебры (понятия векторов, матриц)
• Понятие производной
• Основы машинного обучения (работа с данными, линейная регрессия)

Почему стоит выбрать именно этот курс:

1. В этом курсе 8 лекций с практическими упражнениями, которые покрывают основы нейронных сетей.
2. Каждой тонкости уделяется особое внимание, информация разжевывается до мелочей и подается вам.

Цели курса:

1. Разобраться в устройстве нейронной сети
2. Усвоить процесс создания нейросети на Keras/Tensorflow
3. Научиться решать задачи классификации, детекции, сегментации
4. Освоить концепции сверточных и рекуррентных нейронных сетей
5. Познакомиться с популярными подходами для решений задач

Чему вы научитесь:

1. Обучать сверхточные нейросети для задач классификации, сегментации и детекции
2. Применять метод обратного распространения ошибки
3. Создавать свои нейронные сети на Keras/Tensorflow
4. Обучать рекуррентные нейросети для работы с текстом
5. Разбираться в metric learning, autoencoders, GAN

Программа курса:

Введение

1. Приветствие
2. Google Colab

Знакомство с устройством нейронных сетей

1. Основы обучения нейронных сетей
2. Keras
3. TensorFlow

Архитектуры нейросетей

1. CNN — сверточные сети
2. RNN — рекуррентные сети

Прикладные задачи

1. Сегментация
2. Детекция
3. Генерация изображений и классификация большого кол-ва классов

Цена 3500 руб.

Материал «Введение в нейронные сети (Keras, Tensorflow) [stepik] [Юлия Пономарева]», возможно, скоро появится на EGROUND.

You must be registered for see links

, может быть, он уже опубликован.