Content
- Introducció al Tensorflow per a l'Aprenentatge Automàtic de Màquines i l'aprenentatge profund (ofert per deeplearning.ai)
- Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
- Flux de tensió en l'aprenentatge de pràctiques (ofert per deeplearning.ai)
- Xarxes neuronals revolucionàries i flux de tensió (ofertes per deeplearning.ai)
- Comprensió de la imatge amb Tensorflow a GCP (que ofereix la plataforma Google Cloud)
- Aprenentatge de màquina sense servidor amb Tensorflow a la plataforma Google Cloud (ofert per Google Cloud Platform)
- Processament del llenguatge natural amb tensor (Ofertat per deeplearning.ai)
- Conclusió
Emportar:
Tensorflow és una de les biblioteques de codi obert preferides de l’enginyer ML per representar les funcions de codi implicades en ML i visualitzar operacions matemàtiques utilitzades en xarxes neuronals i altres configuracions de ML.
Tensorflow és una de les biblioteques de codi obert preferides per part de l’enginyer (ML) per representar les funcions de codi implicades en ML i visualitzar operacions matemàtiques utilitzades en xarxes neuronals i altres configuracions de ML.
A continuació, es mostren sis cursos disponibles al portal d’aprenentatge Coursera que orienten els estudiants cap a una comprensió més completa de l’entorn Tensorflow.
- Introducció al Tensorflow per a l'Aprenentatge Automàtic de Màquines i l'aprenentatge profund (ofert per deeplearning.ai)
- Flux de tensió en l'aprenentatge de pràctiques (ofert per deeplearning.ai)
- Xarxes neuronals revolucionàries i flux de tensió (ofertes per deeplearning.ai)
- Comprensió de la imatge amb Tensorflow a GCP (que ofereix la plataforma Google Cloud)
- Aprenentatge de màquina sense servidor amb Tensorflow a la plataforma Google Cloud (ofert per Google Cloud Platform)
- Processament del llenguatge natural amb tensor (Ofertat per deeplearning.ai)
Introducció al Tensorflow per a l'Aprenentatge Automàtic de Màquines i l'aprenentatge profund (ofert per deeplearning.ai)
Aquest curs ajuda els estudiants a comprendre com es construeixen algoritmes escalables i com funciona l’aprenentatge profund. Les xarxes neuronals són un dels focus d’aquest curs diversificat que utilitza part del coneixement de l’especialista Andrew Ng per mostrar als estudiants principis de tensió fluvial en el treball.
Es tracta d’un curs de nivell intermedi que és 100% en línia i triga aproximadament vuit hores a completar, amb un termini de temps suggerit de quatre setmanes.
Els estudiants aprendran a formar una xarxa neuronal per a la visió per ordinador, aprendran les millors pràctiques de Tensorflow, aprendran a comprendre les xarxes neuronals convolucionals i construiran una xarxa neuronal bàsica amb Tensorflow.
Una guia general sobre aquest tipus de visualització i maneig de components d'aprenentatge automàtic.
Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
Flux de tensió en l'aprenentatge de pràctiques (ofert per deeplearning.ai)
Quatre mòduls ajuden els estudiants a explorar les aplicacions d’intel·ligència artificial (IA) i com s’elaboren. La formació i la formació de xarxes neuronals forma part d’aquest pla d’estudis i els estudiants aprendran a utilitzar convolucions en el processament d’imatges per tal de facilitar les capacitats d’identificació i classificació d’avantguarda.
Els estudiants poden conèixer de primera mà com les màquines aprenen a processar i com gestionen les xarxes neuronals les dades d’entrada.
Elements pràctics del curs mostraran com funcionen aquest tipus de tecnologies al món real. Aquest curs en línia triga aproximadament un mes a completar-se i és un curs de nivell mitjà.
Xarxes neuronals revolucionàries i flux de tensió (ofertes per deeplearning.ai)
Aquest curs se centra específicament en la xarxa neuronal convolutiva, que és un tipus de concepte específic en el món de l'aprenentatge de màquines. La CNN, com es deia, gestiona el processament d'imatges mitjançant l'ús de diverses capes dins de la xarxa neuronal.
Per a filtrar i enquestar imatges, s'utilitzen tècniques com ara el passeig i el rellotge, i la informació s'emboca a través del sistema per entrenar l'ordinador per identificar objectes o altres aspectes d'una imatge.
Els estudiants aprendran sobre com un ordinador "veu" la informació i quines operacions específiques condueixen a tasques de processament i identificació d'imatges efectives.
Els estudiants coneixeran diversos problemes com la pèrdua de parcel·les, l’abandonament i l’abandonament a la recerca de les millors pràctiques per construir i mantenir les capacitats CNN per al reconeixement facial, el desenvolupament de productes i molt més.
L’aprenentatge de transferències també formarà part d’aquest pla d’estudis i els estudiants obtindran més informació sobre l’extracció de funcions i la selecció de funcions com a component de dimensionalitat exitosa.
Aquest curs de nivell intermedi està en línia i té una durada aproximada de set hores a completar-se amb un pla de curs suggerit de quatre setmanes.
Comprensió de la imatge amb Tensorflow a GCP (que ofereix la plataforma Google Cloud)
Aquest curs avançat d'aprenentatge de màquines està dissenyat específicament tenint en compte Google Cloud. Aquest entorn excel·lent ha estat una opció per a molts desenvolupadors que elaboren els programes més nous i millors.
Aquest curs es mostrarà als estudiants diferents estratègies per confeccionar classificadors d’imatges i els ajudarà a entendre les construccions de xarxes neuronals convolutives. L’extracció de funcions i la selecció també formen part del focus d’aquest curs i els estudiants obtindran formació sobre com es poden prevenir els condicionaments i problemes relacionats.
Els components pràctics requereixen coneixement de SQL bàsic, Python i Tensorflow.
Aquest curs està 100% en línia a un nivell avançat i triga 11 hores a completar-se amb una inversió horària suggerida de 5-7 hores setmanals.
Aprenentatge de màquina sense servidor amb Tensorflow a la plataforma Google Cloud (ofert per Google Cloud Platform)
Aquest curs també utilitza la idea de treballar amb Tensorflow a la plataforma Google Cloud, però afegeix la idea d’informàtica sense servidor per a l’aprenentatge de màquines en un tipus d’entorn diferent.
A la informàtica sense servidor, les funcions estan dissenyades per al lliurament que sigui necessari. Aquest curs es parlarà sobre casos d’ús d’aquest tipus d’instal·lació i permetrà als estudiants participar en la construcció d’un model Tensorflow ML. Es fa especial èmfasi en l'escalabilitat i en el desplegament en la comprensió de les funcions de preprocessament i en la manera de convertir models ML en una capacitat virtualitzada eficient.
Aquest curs de nivell intermedi és en línia i es triga 12 hores a completar-se, amb un marc de temps suggerit per a una setmana.
Processament del llenguatge natural amb tensor (Ofertat per deeplearning.ai)
Una de les aplicacions més populars de Tensorflow i d’altres eines d’aprenentatge automàtic és la pràctica del processament del llenguatge natural (NLP).
Aquest curs familiaritzarà els estudiants amb alguns dels components del PNL relacionats amb l’etiquetatge d’unitats de parla i altres tècniques que ajuden a les xarxes neuronals a construir models estructurals de predicció. El PNL s’ha beneficiat molt de la ML i els estudiants poden beneficiar-se de veure de primera mà com funcionen aquestes tècniques.
Amb un estudi personal, els estudiants abordaran problemes del món real, com ara aplicar les xarxes neuronals recurrents i els LSTM en Tensorflow i com processar mitjançant tokenització i vectors.
Aquest curs és un curs de nivell intermedi 100% en línia que dura nou hores per completar-se amb un pla de temps suggerit de quatre setmanes.
Conclusió
Utilitzeu qualsevol d’aquestes innovadores oportunitats d’aprenentatge per connectar-vos millor a les preses i cargols de la ML, entenent no només la terminologia, sinó les versions de sistemes que habitualment es treballen amb Tensorflow.