Home / Data Science / Kursus/Jasa Pembuatan Machine Learning | TensorFlow Developer Master Course
Kursus/Jasa Pembuatan Machine Learning | TensorFlow Developer Master Course

Kursus/Jasa Pembuatan Machine Learning | TensorFlow Developer Master Course

Kursus Pengembang TensorFlow Google. Kursus AI, Pembelajaran Mesin, dan Pembelajaran Mendalam!

Apa yang akan Anda pelajari

  • Belajar Pengembang TensorFlow resmi Google (dan menambahkannya ke resume Anda)
  • Buat model TensorFlow menggunakan Computer Vision, Convolutional Neural Networks, dan Natural Language Processing
  • Tingkatkan keterampilan Anda dalam Machine Learning dan Deep Learning, untuk menguji kemampuan Anda dengan ujian penilaian TensorFlow
  • Pahami cara mengintegrasikan Pembelajaran Mesin ke dalam alat dan aplikasi
  • Pelajari cara membuat semua jenis Model Machine Learning menggunakan TensorFlow 2 terbaru
  • Buat pengenalan gambar, deteksi objek, algoritme pengenalan teks dengan jaringan neural dalam, dan jaringan neural konvolusional
  • Menggunakan gambar dunia nyata dalam berbagai bentuk dan ukuran untuk memvisualisasikan perjalanan gambar melalui konvolusi untuk memahami bagaimana komputer “melihat” informasi, kehilangan plot, dan keakuratan
  • Menerapkan Pembelajaran Mendalam untuk Peramalan Rangkaian Waktu
  • Dapatkan keterampilan yang Anda butuhkan untuk menjadi Pengembang TensorFlow

Persyaratan

  • Mac / Windows / Linux – semua sistem operasi bekerja dengan kursus ini!
  • Tidak diperlukan pengetahuan TensorFlow sebelumnya. Pemahaman dasar tentang Machine Learning sangat membantu

Deskripsi

Kursus ini akan membawa Anda dari pemula mutlak dengan TensorFlow, menjadi mahir TensorFlow Google.

Kursus ini akan sangat praktis dan berbasis proyek. Anda tidak hanya akan melihat, tetapi Anda benar-benar akan bereksperimen, melakukan latihan, dan membangun model dan proyek pembelajaran mesin untuk meniru skenario kehidupan nyata. Yang terpenting, kami akan menunjukkan kepada Anda seperti apa ujian TensorFlow untuk Anda. Pada akhirnya, Anda akan mengembangkan kumpulan keterampilan yang diperlukan untuk mengembangkan solusi pembelajaran mendalam modern yang dihadapi perusahaan teknologi besar.


0 – Dasar-Dasar TensorFlow

  • Pengantar tensor (membuat tensor)
  • Mendapatkan informasi dari tensor (atribut tensor)
  • Memanipulasi tensor (operasi tensor)
  • Tensor dan NumPy
  • Menggunakan @ tf.function (cara untuk mempercepat fungsi reguler Python Anda)
  • Menggunakan GPU dengan TensorFlow


1 – Regresi Jaringan Neural dengan TensorFlow

  • Buat model sekuensial TensorFlow dengan beberapa lapisan
  • Siapkan data untuk digunakan dengan model pembelajaran mesin
  • Pelajari berbagai komponen yang membentuk model pembelajaran mendalam (fungsi kerugian, arsitektur, fungsi pengoptimalan)
  • Pelajari cara mendiagnosis masalah regresi (memprediksi angka) dan membangun jaringan neural untuknya

2 – Klasifikasi Jaringan Neural dengan TensorFlow

  • Pelajari cara mendiagnosis masalah klasifikasi (memprediksi apakah sesuatu adalah satu atau lain hal)
  • Buat, kompilasi & latih model klasifikasi machine learning menggunakan TensorFlow
  • Buat dan latih model untuk klasifikasi biner dan kelas jamak
  • Buat plot metrik kinerja pemodelan satu sama lain
  • Mencocokkan masukan (bentuk data pelatihan) dan bentuk keluaran (target data prediksi)


3 – Visi Komputer dan Jaringan Neural Konvolusional dengan TensorFlow

  • Bangun jaringan neural konvolusional dengan Conv2D dan lapisan penggabungan
  • Pelajari cara mendiagnosis berbagai jenis masalah penglihatan komputer
  • Pelajari cara membangun jaringan saraf penglihatan komputer
  • Pelajari cara menggunakan gambar dunia nyata dengan model computer vision Anda

 

4 – Mentransfer Pembelajaran dengan TensorFlow Bagian 1: Ekstraksi Fitur

  • Pelajari cara menggunakan model terlatih untuk mengekstrak fitur dari data Anda sendiri
  • Pelajari cara menggunakan TensorFlow Hub untuk model terlatih
  • Pelajari cara menggunakan TensorBoard untuk membandingkan performa beberapa model berbeda

 

5 – Mentransfer Pembelajaran dengan TensorFlow Bagian 2: Penyesuaian

  • Pelajari cara menyiapkan dan menjalankan beberapa eksperimen pembelajaran mesin
  • Pelajari cara menggunakan augmentasi data untuk meningkatkan keragaman data pelatihan Anda
  • Pelajari cara menyesuaikan model terlatih dengan masalah kustom Anda sendiri
  • Pelajari cara menggunakan Callback untuk menambahkan fungsionalitas ke model Anda selama pelatihan

 

6 – Mentransfer Pembelajaran dengan TensorFlow Bagian 3: Peningkatan Skala (Food Vision mini)

  • Pelajari cara meningkatkan model yang sudah ada
  • Pelajari cara mengevaluasi model pembelajaran mesin Anda dengan menemukan prediksi yang paling salah
  • Kocok kertas Food101 asli dengan hanya menggunakan 10% data

7 – Proyek Tonggak 1: Visi Pangan

  • Gabungkan semua yang telah Anda pelajari di 6 buku catatan sebelumnya untuk membuat Food Vision: model visi komputer yang mampu mengklasifikasikan 101 jenis makanan yang berbeda. Model kami dengan baik dan benar-benar mengalahkan kertas Food101 asli.

 

8 – Dasar-Dasar NLP di TensorFlow

  • Belajar untuk:
    • Memproses teks bahasa alami untuk digunakan dengan jaringan saraf
    • Buat embeddings kata (representasi numerik teks) dengan TensorFlow
    • Bangun jaringan neural yang mampu melakukan klasifikasi biner dan kelas jamak menggunakan:
      • RNN (jaringan neural berulang)
      • LSTM (sel memori jangka pendek)
      • GRU (unit berulang yang terjaga keamanannya)
      • CNN
  • Pelajari cara mengevaluasi model NLP Anda

 

9 – Proyek Tonggak 2: SkimLit

  • Mereplikasi model yang mendukung makalah PubMed 200k untuk mengklasifikasikan urutan berbeda dalam abstrak medis PubMed (yang dapat membantu peneliti membaca abstrak medis lebih cepat)

 

10 – Dasar-dasar Time Series di TensorFlow

  • Pelajari cara mendiagnosis masalah deret waktu (membangun model untuk membuat prediksi berdasarkan data lintas waktu, misalnya memprediksi harga saham AAPL besok)
  • Mempersiapkan data untuk jaringan neural deret waktu (fitur dan label)
  • Memahami dan menggunakan metode evaluasi deret waktu yang berbeda
    • MAE – berarti kesalahan absolut
  • Buat model perkiraan deret waktu dengan TensorFlow
    • RNN (jaringan neural berulang)
    • CNN (jaringan saraf konvolusional)

 

11 – Proyek Tonggak 3:

  • Jika Anda sudah membaca sejauh ini, Anda mungkin tertarik dengan kursus ini. Proyek terakhir ini akan bagus

Untuk siapa kursus ini:

  • Siswa, developer, dan data scientist yang ingin mendemonstrasikan keterampilan machine learning praktis melalui pembuatan dan pelatihan model menggunakan TensorFlow
  • Siapa pun yang ingin memperluas pengetahuan mereka tentang AI, Pembelajaran Mesin, dan Pembelajaran Mendalam
  • Siapa pun yang ingin menguasai pembuatan model ML dengan TensorFlow versi terbaru

 

About jogjamm@gmail.com

Leave a Reply

Your email address will not be published. Required fields are marked *

*

Scroll To Top