Apa yang akan Anda pelajari?
-
Jaringan Syaraf Tiruan (JST)
-
Jaringan Saraf Konvolusi (CNN)
-
Jaringan Saraf Berulang (RNN)
-
Jaringan permusuhan generatif (GAN)
-
Jaringan permusuhan Generatif Konvolusi Dalam (DCGAN)
-
Pemrosesan Bahasa Alami (NLP)
-
Pengolahan citra
-
Analisis Sentimen
-
Pembuat kode mobil
-
Mesin Boltzman Terbatas
-
Pembelajaran Penguatan Mendalam – Monte Carlo
Persyaratan
-
Tidak akan ada Prasyarat.
-
Pengetahuan dasar tentang Python akan berguna.
-
Tapi semuanya akan diajarkan dari awal.
Keterangan
Selamat datang di Kursus Pembelajaran Mendalam Dengan 7+ Proyek Nyata
Kursus ini akan memandu Anda melalui cara menggunakan kerangka kerja TensorFlow Google untuk membuat jaringan saraf tiruan untuk pembelajaran mendalam! Kursus ini bertujuan untuk memberi Anda panduan yang mudah dipahami tentang kompleksitas framework TensorFlow Google dengan cara yang mudah dipahami. Kursus dan tutorial lain cenderung menjauhi tensorflow murni dan sebagai gantinya menggunakan abstraksi yang memberi pengguna lebih sedikit kontrol. Di sini kami menyajikan kursus yang akhirnya berfungsi sebagai panduan lengkap untuk menggunakan kerangka kerja TensorFlow sebagaimana dimaksud, sambil menunjukkan kepada Anda teknik terbaru yang tersedia dalam pembelajaran mendalam!
Kursus ini dirancang untuk menyeimbangkan teori dan implementasi praktis, dengan panduan kode google colab dan notebook Jupiter yang lengkap dan slide dan catatan referensi yang mudah. Kami juga memiliki banyak latihan untuk menguji keterampilan baru Anda di sepanjang kursus!
Kursus ini mencakup berbagai topik, termasuk
- Pembelajaran Mendalam.
- Google Colab
- Anakonda
- Jupiter
- Fungsi Aktivasi.
- Keras.
- Panda.
- Penskalaan fitur.
- Matplotlib.
- Scikit-Learn
- Fungsi Sigmoid.
- Fungsi Tan.
- Fungsi RELU.
- Fungsi Satuan Linier Eksponensial.
- Korpora.
- NLTK.
- TensorFlow 2.0
- Tokenisasi.
- Spacy.
- Penandaan PoS.
- Stemming dan lemmatisasi.
- Semantik dan pemodelan topik.
- Teknik analisis sentimen.
- Metode berbasis leksikon.
- Metode berbasis aturan.
- Metode statistik.
- Metode pembelajaran mesin.
- RBM Bernoulli.
- Pengantar RBM (Mesin Boltzman Terbatas).
- Pengantar BM (Mesin Boltzman).
- Mempelajari representasi data dengan RBM.
- Jaringan saraf multilayer.
- Vektor laten.
- Memuat data.
- Menganalisis data.
- Model pelatihan.
- Model kompilasi.
- Memvisualisasikan data dan model.
- Menerapkan jaringan saraf multilayer
- Meningkatkan performa model dengan menghilangkan outlier.
- Membangun model jaringan saraf dalam Keras
- Dasar-dasar Jaringan Saraf.
- Dasar-dasar TensorFlow.
- Jaringan Syaraf Tiruan (JST).
- Jaringan yang Terhubung Padat.
- Jaringan Saraf Konvolusi (CNN).
- Jaringan Saraf Berulang (RNN).
- AutoEncoder.
- Jaringan Permusuhan Generatif (GAN).
- Jaringan permusuhan Generatif Konvolusi Dalam (DCGAN).
- Pemrosesan Bahasa Alami (NLP).
- Pengolahan citra.
- Analisis Sentimen.
- Mesin Boltzman Terbatas.
- Pembelajaran Penguatan.
Ada banyak Kerangka Pembelajaran Mendalam di luar sana, jadi mengapa menggunakan TensorFlow?
TensorFlow adalah pustaka perangkat lunak sumber terbuka untuk komputasi numerik menggunakan grafik aliran data. Node dalam grafik mewakili operasi matematika, sedangkan tepi grafik mewakili array data multidimensi (tensor) yang dikomunikasikan di antara mereka. Arsitektur fleksibel memungkinkan Anda menerapkan komputasi ke satu atau lebih CPU atau GPU di desktop, server, atau perangkat seluler dengan satu API. TensorFlow awalnya dikembangkan oleh para peneliti dan insinyur yang bekerja di Tim Google Brain dalam organisasi penelitian Intelijen Mesin Google untuk tujuan melakukan pembelajaran mesin dan penelitian jaringan saraf dalam, tetapi sistem ini cukup umum untuk diterapkan di berbagai domain lain seperti dengan baik.
Ini digunakan oleh perusahaan besar di seluruh dunia, termasuk Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, SAP, Qualcomm, IBM, Intel, dan tentu saja, Google!
Selain itu, kursus ini dikemas dengan latihan praktis yang didasarkan pada contoh kehidupan nyata. Jadi Anda tidak hanya akan mempelajari teorinya, tetapi Anda juga akan mendapatkan beberapa praktik langsung untuk membangun model Anda sendiri. Ada lima proyek besar tentang masalah kesehatan dan satu proyek kecil untuk dipraktikkan. Proyek-proyek ini tercantum di bawah ini:
- Prediksi Kualitas Beton Menggunakan Jaringan Syaraf Dalam.
- CIFAR-10.
- Mengklasifikasikan gambar pakaian.
- 20 newsgroup.
- Angka tulisan tangan.
- Denoising autoencoder (DAE).
- Analisis Sentimen Review Film Menggunakan Recurrent Neural Networks.
- Memprediksi Harga Saham
- Bunga iris.
Untuk siapa kursus ini:
- Siapa pun yang tertarik dengan Pembelajaran Mendalam, Pembelajaran Mesin, dan Kecerdasan Buatan
- Siswa yang memiliki setidaknya pengetahuan sekolah menengah dalam matematika dan yang ingin mulai mempelajari Pembelajaran Mesin, Pembelajaran Mendalam, dan Kecerdasan Buatan
- Setiap orang tingkat menengah yang mengetahui dasar-dasar pembelajaran mesin, termasuk algoritme klasik seperti regresi linier atau regresi logistik, tetapi yang ingin mempelajari lebih lanjut tentangnya dan menjelajahi semua bidang yang berbeda dari Pembelajaran Mesin, Pembelajaran Mendalam, Kecerdasan Buatan.
- Siapa pun yang tidak begitu nyaman dengan pengkodean tetapi tertarik dengan Pembelajaran Mesin, Pembelajaran Mendalam, Kecerdasan Buatan, dan ingin menerapkannya dengan mudah pada kumpulan data.
- Setiap siswa di perguruan tinggi yang ingin memulai karir di Ilmu Data
- Setiap analis data yang ingin naik level dalam Pembelajaran Mesin, Pembelajaran Mendalam, dan Kecerdasan Buatan.
- Setiap orang yang tidak puas dengan pekerjaannya dan ingin menjadi Ilmuwan Data.
- Setiap orang yang ingin menciptakan nilai tambah pada bisnis mereka dengan menggunakan alat Pembelajaran Mesin, Kecerdasan Buatan, dan Pembelajaran Mendalam yang canggih. Setiap orang yang ingin bekerja di perusahaan Mobil sebagai Data Scientist, Machine Learning, Deep Learning dan Artificial Intelligence engineer.
- Pakar AI yang ingin memperluas bidang aplikasi
- Ilmuwan Data yang ingin meningkatkan Keterampilan AI mereka
- Siswa dalam program terkait teknologi yang ingin mengejar karir di Ilmu Data, Pembelajaran Mesin, atau Kecerdasan Buatan
- Siapa pun yang bersemangat tentang Kecerdasan Buatan
