Training Tensorflow | Tensorflow Developer Master Class

Tujuan dari kursus ini adalah untuk mengajari Anda semua keterampilan yang diperlukan agar Anda dapat mengikuti  TensorFlow dari Google sehingga Anda dapat menampilkannya di resume, LinkedIn, Github, dan platform media sosial lainnya untuk benar-benar membuat Anda menonjol.

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

0 — 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 Python biasa)
• Menggunakan GPU dengan TensorFlow

1 — Regresi Neural Network dengan TensorFlow

• Membangun model sekuensial TensorFlow dengan beberapa lapisan
• Mempersiapkan 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 Neural Network dengan TensorFlow

• Pelajari cara mendiagnosis masalah klasifikasi (memprediksi apakah sesuatu itu satu atau lain hal)
• Build, kompilasi & latih model klasifikasi machine learning menggunakan TensorFlow
• Buat dan latih model untuk klasifikasi biner dan multi-kelas
• Plot metrik kinerja pemodelan terhadap satu sama lain
• Mencocokkan input (bentuk data pelatihan) dan bentuk output (target data prediksi)

3 — Computer Vision dan Convolutional Neural Networks dengan TensorFlow

• Bangun jaringan saraf konvolusional dengan lapisan Conv2D dan penyatuan
• Pelajari cara mendiagnosis berbagai jenis masalah penglihatan komputer
• Pelajari cara membangun jaringan saraf penglihatan 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 performa beberapa model berbeda

5 — Mentransfer Pembelajaran dengan TensorFlow Bagian 2: Penyempurnaan

• Pelajari cara menyiapkan dan menjalankan beberapa eksperimen machine learning
• Pelajari cara menggunakan augmentasi data untuk meningkatkan keragaman data pelatihan Anda
• Pelajari cara menyempurnakan model terlatih untuk masalah kustom Anda sendiri
• Pelajari cara menggunakan Callback untuk menambahkan fungsionalitas ke model Anda selama pelatihan

6 — Transfer Pembelajaran dengan TensorFlow Bagian 3: Peningkatan (Food Vision mini)

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

7 — Proyek Pencapaian 1: Visi Pangan

• Gabungkan semua yang telah Anda pelajari di 6 catatan sebelumnya untuk membuat Food Vision: model visi komputer yang dapat mengklasifikasikan 101 jenis makanan 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
  • Bangun jaringan saraf yang mampu mengklasifikasikan biner dan multi-kelas menggunakan:
    • RNN (jaringan saraf berulang)
    • LSTM (sel memori jangka pendek panjang)
    • GRU (unit berulang berpagar)
    • CNN
• Pelajari cara mengevaluasi model NLP Anda

9 — Proyek Pencapaian 2: SkimLit

• Replikasi model yang memberdayakan kertas 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 — rata-rata kesalahan mutlak
• Build model perkiraan deret waktu dengan TensorFlow
  • RNN (jaringan saraf berulang)
  • CNN (jaringan saraf konvolusional)

11 — Proyek Pencapaian 3: (Kejutan)

• Jika Anda telah membaca sejauh ini, Anda mungkin tertarik dengan kursus ini. Proyek terakhir ini akan bagus .. kami berjanji, jadi sampai jumpa di dalam kursus 😉

TensorFlow semakin populer dan semakin banyak lowongan pekerjaan 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 perusahaan teknologi besar ini menggunakan teknologi ini dan Anda akan mengetahui semua tentang kekuatan yang diberikan TensorFlow kepada pengembang.

Sampai jumpa di dalam kursus!