Kursus AI, Pembelajaran Mesin, dan Pembelajaran Mendalam!
Apa yang akan Anda pelajari?
-
Membangun model TensorFlow menggunakan Computer Vision, Convolutional Neural Networks, dan Natural Language Processing
-
Tingkatkan keterampilan Anda dalam Pembelajaran Mesin dan Pembelajaran Mendalam, untuk menguji kemampuan Anda dengan ujian penilaian TensorFlow
-
Memahami cara mengintegrasikan Pembelajaran Mesin ke dalam alat dan aplikasi
-
Pelajari cara membuat semua jenis Model Pembelajaran Mesin menggunakan TensorFlow 2 terbaru
-
Bangun pengenalan gambar, deteksi objek, algoritme pengenalan teks dengan jaringan saraf dalam dan jaringan saraf konvolusi
-
Menggunakan gambar dunia nyata untuk memvisualisasikan perjalanan gambar melalui konvolusi untuk memahami bagaimana komputer “melihat” informasi, kehilangan plot, dan akurasi
-
Menerapkan Pembelajaran Mendalam untuk Peramalan Deret 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
Keterangan
0 — Dasar-Dasar TensorFlow
- Pengenalan tensor (membuat tensor)
- Mendapatkan informasi dari tensor (atribut tensor)
- Memanipulasi tensor (operasi tensor)
- Tensor dan NumPy
- Menggunakan @tf.function (cara untuk mempercepat fungsi Python biasa)
- Menggunakan GPU dengan TensorFlow
1 — Regresi Jaringan Saraf dengan TensorFlow
- Bangun model sekuensial TensorFlow dengan banyak 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 saraf untuknya
2 — Klasifikasi Jaringan Neural dengan TensorFlow
- Pelajari cara mendiagnosis masalah klasifikasi (memprediksi apakah sesuatu itu satu atau lain hal)
- Buat, kompilasi & latih model klasifikasi machine learning menggunakan TensorFlow
- Bangun dan latih model untuk klasifikasi biner dan multi-kelas
- Plot metrik kinerja pemodelan satu sama lain
- Mencocokkan input (bentuk data pelatihan) dan bentuk output (target data prediksi)
3 — Visi Komputer dan Jaringan Saraf Konvolusi dengan TensorFlow
- Bangun jaringan saraf convolutional dengan Conv2D dan lapisan penyatuan
- Pelajari cara mendiagnosis berbagai jenis masalah penglihatan komputer
- Pelajari cara membangun jaringan saraf visi komputer
- Pelajari cara menggunakan gambar dunia nyata dengan model visi komputer 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 kinerja beberapa model yang berbeda
5 — Mentransfer Pembelajaran dengan TensorFlow Bagian 2: Menyesuaikan dengan baik
- Pelajari cara menyiapkan dan menjalankan beberapa eksperimen pembelajaran mesin
- Pelajari cara menggunakan augmentasi data untuk meningkatkan keragaman data pelatihan Anda
- Pelajari cara menyempurnakan model pra-terlatih untuk masalah kustom Anda sendiri
- Pelajari cara menggunakan Callback untuk menambahkan fungsionalitas ke model Anda selama pelatihan
6 — Mentransfer Pembelajaran dengan TensorFlow Bagian 3: Peningkatan (Food Vision mini)
- Pelajari cara meningkatkan model yang ada
- Pelajari cara mengevaluasi model pembelajaran mesin Anda dengan menemukan prediksi yang paling salah
- Kalahkan kertas Food101 asli hanya dengan menggunakan 10% data
7 — Proyek Pencapaian 1: Visi Pangan
- Gabungkan semua yang telah Anda pelajari di 6 notebook sebelumnya untuk membangun 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:
- Praproses teks bahasa alami untuk digunakan dengan jaringan saraf
- Buat penyematan kata (representasi numerik teks) dengan TensorFlow
- Membangun jaringan saraf yang mampu klasifikasi biner dan multi-kelas menggunakan:
- RNN (jaringan saraf berulang)
- LSTM (sel memori jangka pendek panjang)
- GRU (unit berulang yang terjaga keamanannya)
- CNN
- Pelajari cara mengevaluasi model NLP Anda
9 — Proyek Tonggak 2: SkimLit
- Replikasi model yang mendukung makalah PubMed 200k untuk mengklasifikasikan urutan yang 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)
- Menyiapkan data untuk jaringan saraf deret waktu (fitur dan label)
- Memahami dan menggunakan metode evaluasi deret waktu yang berbeda
- MAE — berarti kesalahan mutlak
- Buat model perkiraan deret waktu dengan TensorFlow
- RNN (jaringan saraf berulang)
- CNN (jaringan saraf convolutional)
TensorFlow semakin populer dan semakin banyak lowongan pekerjaan yang muncul untuk pengetahuan khusus ini. Faktanya, TensorFlow melampaui alat ML populer lainnya seperti PyTorch di pasar kerja. Google, Airbnb, Uber, DeepMind, Intel, IBM, Twitter, dan banyak lainnya saat ini didukung oleh TensorFlow. Ada alasan mengapa perusahaan teknologi besar ini menggunakan teknologi ini dan Anda akan mengetahui semua tentang kekuatan yang diberikan TensorFlow kepada pengembang.
Untuk siapa kursus ini:
- Siswa, developer, dan ilmuwan data 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
