Deep Learning med Keras og TensorFlow - eLearning
4.950,00 NOK
- 10 hours
Ta steget inn i fremtiden for kunstig intelligens med sertifiseringskurset i Deep Learning, og få ferdighetene du trenger for å bygge intelligente, datadrevne systemer. Dette omfattende programmet er utviklet for å hjelpe deg å forstå hvordan nevrale nettverk fungerer, og hvordan de driver virkelige applikasjoner som bildegjenkjenning, naturlig språkbehandling og prediktiv analyse.
Nøkkelfunksjoner
Språk
Kurs og materiell på engelsk
Nivå
Mellomnivå
Tilgang
1 års tilgang til læringsplattformen
2 timer med videoer på forespørsel
med over 10 timers anbefalt studietid
7 automatisk vurderte prøver
3 omfattende oppgaver
7 e-bøker
30 repetisjonsquizer
Sertifisering
Sertifikat for fullført program inkludert
Læringsutbytte
Når du er ferdig med dette kurset, vil du kunne:
Grunnleggende
Forstå grunnleggende prinsipper for dyp læring og nevrale nettverk
Tog
Bygg og tren kunstige nevrale nettverk fra bunnen av
Bruk
Bruk optimaliseringsteknikker som gradientnedstigning og tilbakepropagasjon
CNN-er
Implementer konvolusjonsnevrale nettverk (CNN) for bildebehandlingsoppgaver
RNN-er
Arbeid med tilbakevendende nevrale nettverk (RNN) for sekvensielle data
TensorFlow
Bruk TensorFlow og Keras til å bygge og distribuere dype læringsmodeller
Teknikker
Bruk dyp læring-teknikker på virkelige domener som NLP og datamaskinsyn
Utvikle
Utvikle praktiske, produksjonsklare KI-løsninger med Python
Kursplan
Grunnleggende dyp læring
Leksjon 01
- Introduksjon til dyp læring
- Grunnleggende dyp læring
- Viktigheten av dyp læring
TensorFlow
Leksjon 02
- Komme i gang med TensorFlow
- TensorFlow og Keras
- Keras-API-en
- Boligpriser i Boston
- Trene en modell
- Evaluering av dype læringsmodeller
Konvolusjonsnevrale nettverk
Leksjon 03
- Introduksjon til CNN-er
- Hvordan fungerer CNN-er?
- Bildeklassifisering
Avanserte CNN-er
Leksjon 04
- Avanserte CNN-er
- Å se på konvolusjoner på nytt
- Dybdevise konvolusjoner
- MobileNetV2
- Autoenkodere
- Transponerte konvolusjoner
- Underklassing av keras.Model
- Støyfjerning i bilder
- Typer bildesegmentering
- COCO-datasettet
- U-Net
- Egendefinerte datageneratorer
- Bygge en bildesegmenteringsmodell
Naturlig språkbehandling
Leksjon 05
- Introduksjon til naturlig språkbehandling (NLP)
- Rekurrente nevrale nettverk (RNN-er)
- Tekstklassifisering
Generative adversarielle nettverk (GAN-er)
Leksjon 06
- Hva er generative adversarielle nettverk (GAN-er)
- Autoenkodere på nytt
- Hvordan fungerer GAN-er?
- Eksempler på GAN-er
- Utfordringer med GAN-er
- DCGAN
- Bygge en generator
- Bygge en diskriminator
- Bygge GAN-en
- Treningsløkken
KI i den virkelige verden
Leksjon 07
- Komme i gang med KI i den virkelige verden
- KI i produksjon
- Problemene med KI (teknologi) – adversarielle angrep
- Problemene med KI (teknologi) – forvirringsmatriser
- Problemene med KI (teknologi) – modellnøyaktighet
- Problemene med KI (etikk) – når algoritmer går galt
- Utfordringene med KI (etikk) – hva kan vi gjøre annerledes?
Hvem bør melde seg på dette programmet?
Forutsetninger
- Grunnleggende forståelse av Python-programmering anbefales
- Kjennskap til statistikk, algebra og sannsynlighet er nyttig
- Erfaring med dataanalysekonsepter er en fordel
- Interesse for kunstig intelligens og maskinlæring
Ambisiøse dataforskere og AI-ingeniører
Programvareingeniører som går over i maskinlæringsroller
Dataanalytikere og dataingeniører
Big data-spesialister
Uttalelser
Lisensiering og akkreditering
Dette kurset tilbys i henhold til Partnerprogramavtalen og er i samsvar med kravene i Lisensavtalen
Likestillingspolicy
Kandidater oppfordres til å ta kontakt med AVC for veiledning og støtte gjennom hele tilretteleggingsprosessen.
Ofte stilte spørsmål
Trenger du bedriftsløsninger eller LMS-integrasjon?
Fant du ikke kurset eller programmet som ville være passende for din bedrift? Trenger du LMS-integrasjon? Ta kontakt med oss! Vi er agile og løser alt!