Είμαστε σε μια εποχή όπου μηχανές κάνουν όλο και περισσότερο για εμάς. Χρησιμοποιούν ακόμη και τεχνητή νοημοσύνη για να μας βοηθήσουν να μάθουμε. Το Deep Learning και η τεχνητή νοημοσύνη Introductory Bundle θα σας βγάλουν μέρος σε όλες τις τελευταίες τεχνολογίες από την άποψη αυτή. Θα μάθετε για την γραμμική και υλικοτεχνική παλινδρόμηση και τη βαθιά εκμάθηση στην Python, καθώς και την πρακτική βαθιά εκμάθηση στο Theano και το TensorFlow.

Τα παρακάτω τέσσερα μαθήματα περιλαμβάνονται σε αυτό το μεγάλο πακέτο.

Απαιτήσεις βαθιάς εκμάθησης: Γραμμική παλινδρόμηση στην Python - Κάντε πιο ακριβείς προβλέψεις και βήμα σε βαθιά εκμάθηση χρησιμοποιώντας πιθανότητα

  • Είκοσι διαλέξεις και δύο ώρες περιεχομένου
  • Αποδείξτε το νόμο του Moore χρησιμοποιώντας μια γραμμική παλινδρόμηση 1-D
  • Δημιουργήστε ένα μοντέλο μηχανικής μάθησης που θα μαθαίνει από πολλαπλές εισόδους
  • Προβλέψτε την συστολική αρτηριακή πίεση ενός ασθενούς χρησιμοποιώντας την ηλικία και το βάρος του εφαρμόζοντας πολυδιάστατη γραμμική παλινδρόμηση
  • Πηγαίνετε πάνω από τη γενίκευση, την υπερφόρτωση και τη διάλυση των δοκιμών

Προαπαιτούμενα βαθιάς εκμάθησης: Λογιστική παλινδρόμηση στην Python - Εισάγετε τα δομικά στοιχεία των νευρωνικών δικτύων.

  • Τριάντα ένα διαλέξεις και τρεις ώρες περιεχομένου
  • Μάθετε να κωδικοποιείτε τη δική σας μονάδα λογιστικής παλινδρόμησης στην Python
  • Μάθετε ενώ εργάζεστε σε ένα πρόγραμμα μαθημάτων που προβλέπει δράσεις χρηστών από δεδομένα χρήστη σε έναν ιστότοπο
  • Χρησιμοποιήστε την αναγνώριση εκφράσεων προσώπου χρησιμοποιώντας τη βαθιά μάθηση
    Ανακαλύψτε πώς μπορείτε να κάνετε αποφάσεις που βασίζονται σε δεδομένα

Επιστήμη των δεδομένων: Βαθιά μάθηση στην Python - Ανακαλύψτε πώς να οικοδομήσετε τεχνητά νευρωνικά δίκτυα, όπως αυτά που κρατούν την Google τόσο ενημερωμένη.

  • Τριάντα επτά διαλέξεις και τέσσερις ώρες περιεχομένου
  • Χρησιμοποιήστε τη συνάρτηση softmax για να επεκτείνετε το δυαδικό μοντέλο ταξινόμησης σε πολλές κλάσεις
  • Κωδικοποιήστε τη σημαντική μέθοδο κατάρτισης, backpropagation, στο Numpy
  • Τοποθετήστε ένα νευρωνικό δίκτυο στο παιχνίδι χρησιμοποιώντας τη βιβλιοθήκη TensorFlow της Google
  • Χρησιμοποιήστε ένα νευρωνικό δίκτυο και δεδομένα χρήστη για να προβλέψετε τις ενέργειες των χρηστών σε έναν ιστότοπο
  • Χρησιμοποιήστε βαθιά μάθηση για αναγνώριση έκφρασης προσώπου
  • Ανακαλύψτε τις νεότερες εξελίξεις στα νευρωνικά δίκτυα

Επιστήμη των δεδομένων: Πρακτική βαθιά μάθηση στο Theano και TensorFlow - Ανακαλύψτε και δημιουργήστε νευρωνικά δίκτυα με δύο από τις πιο δημοφιλείς τεχνικές βαθιάς μάθησης.

  • Είκοσι τρεις διαλέξεις και τρεις ώρες προγραμματισμού
  • Μάθετε την κατακόρυφη και στοχαστική κλίση της κλίσης που σας επιτρέπουν να εκπαιδεύσετε σε ένα μικρό δείγμα δεδομένων σε κάθε επανάληψη, επιταχύνοντας το χρόνο κατάρτισης πάρα πολύ
  • Μάθετε πώς η ορμή μπορεί να σας οδηγήσει στα τοπικά ελάχιστα
  • Ανακαλύψτε τεχνικές προσαρμοστικής ταχύτητας μάθησης όπως οι AdaGrad και RMSprop
  • Πηγαίνετε στην τακτοποίηση εγκατάλειψης και σε άλλες σύγχρονες τεχνικές νευρωνικού δικτύου
  • Μάθετε τις μεταβλητές και τις εκφράσεις του TensorFlor και του Theano
  • Ρυθμίστε μια παρουσία GPU στο AWS και συγκρίνετε τις ταχύτητες της CPU και της GPU για την εκπαίδευση ενός βαθιού νευρικού δικτύου
  • Συγκρίνετε το σύνολο δεδομένων MNIST και γνωστά σημεία αναφοράς

Πάρτε αυτό το μεγάλο πακέτο για το 91% off.

Η Εισαγωγική δέσμη Deep Learning and Artificial Intelligence