Training Pelatihan Kursus Jasa Tensorflow | Ilmu Data Pembelajaran Mendalam Dan Jaringan Saraf Tiruan Dengan Python

Kursus ini akan membantu Anda memulai membangun jaringan saraf tiruan PERTAMA menggunakan teknik pembelajaran mendalam . Mengikuti kursus saya sebelumnya tentang regresi logistik, kami mengambil blok bangunan dasar ini, dan membangun jaringan saraf non-linear lengkap langsung dari gerbang menggunakan Python dan Numpy. 

Kami memperluas model klasifikasi biner sebelumnya ke beberapa kelas menggunakan fungsi softmax, dan kami menurunkan metode pelatihan yang sangat penting yang disebut ” backpropagation ” menggunakan prinsip pertama. Saya tunjukkan cara membuat kode backpropagation di Numpy, pertama “cara lambat”, dan kemudian “cara cepat” menggunakan fitur Numpy.

Selanjutnya, kami mengimplementasikan jaringan saraf menggunakan pustaka TensorFlow baru Google.

Anda harus mengikuti kursus ini jika Anda tertarik untuk memulai perjalanan Anda menjadi master dalam pembelajaran mendalam, atau jika Anda tertarik dengan pembelajaran mesin dan ilmu data secara umum. Kami melampaui model dasar seperti regresi logistik dan regresi linier dan saya menunjukkan kepada Anda sesuatu yang secara otomatis mempelajari fitur .

Kursus ini memberi Anda banyak contoh praktis sehingga Anda benar-benar dapat melihat seberapa dalam pembelajaran dapat digunakan dalam segala hal. Sepanjang kursus, kami akan melakukan proyek kursus, yang akan menunjukkan kepada Anda cara memprediksi tindakan pengguna di situs web yang diberikan data pengguna seperti apakah pengguna itu menggunakan perangkat seluler atau tidak, jumlah produk yang mereka lihat, berapa lama mereka tinggal di situs Anda, apakah mereka pengunjung yang kembali atau tidak, dan jam berapa mereka berkunjung.

Proyek lain di akhir kursus menunjukkan kepada Anda bagaimana Anda dapat menggunakan pembelajaran mendalam untuk pengenalan ekspresi wajah. Bayangkan bisa memprediksi emosi seseorang hanya berdasarkan gambar!

Jika Anda sudah tahu tentang softmax dan backpropagation, dan Anda ingin melewati teori dan mempercepatnya menggunakan teknik yang lebih canggih bersama dengan pengoptimalan GPU, lihat kursus lanjutan saya tentang topik ini, Ilmu Data: Konsep Pembelajaran Mendalam Praktis di Theano dan TensorFlow .

Saya memiliki kursus lain yang mencakup topik yang lebih maju, seperti  Convolutional Neural Networks ,  Restricted Boltzmann Machines ,  Autoencoder , dan banyak lagi! Tetapi Anda ingin merasa sangat nyaman dengan materi dalam kursus ini sebelum beralih ke mata pelajaran yang lebih lanjut.

Kursus ini berfokus pada ” bagaimana membangun dan memahami “, bukan hanya “bagaimana menggunakan”. Siapa pun dapat belajar menggunakan API dalam 15 menit setelah membaca beberapa dokumentasi. Ini bukan tentang “mengingat fakta”, ini tentang  “melihat sendiri” melalui eksperimen . Ini akan mengajari Anda cara memvisualisasikan apa yang terjadi dalam model secara internal. Jika Anda menginginkan  lebih  dari sekadar tampilan dangkal model pembelajaran mesin, kursus ini cocok untuk Anda.

“Jika Anda tidak dapat menerapkannya, Anda tidak memahaminya”

• Atau seperti yang dikatakan fisikawan hebat Richard Feynman: “Apa yang tidak dapat saya ciptakan, saya tidak mengerti”.
• Kursus saya adalah HANYA kursus di mana Anda akan belajar bagaimana menerapkan algoritme pembelajaran mesin dari awal
• Kursus lain akan mengajari Anda cara memasukkan data ke perpustakaan, tetapi apakah Anda benar-benar membutuhkan bantuan dengan 3 baris kode?
• Setelah melakukan hal yang sama dengan 10 kumpulan data, Anda menyadari bahwa Anda tidak mempelajari 10 hal. Anda belajar 1 hal, dan hanya mengulangi 3 baris kode yang sama 10 kali…

Prasyarat yang Disarankan:

• kalkulus (mengambil turunan)
• aritmatika matriks
• kemungkinan
• Pengkodean python: if/else, loop, list, dicts, set
• Pengkodean numpy: operasi matriks dan vektor, memuat file CSV
• Biasakan dengan model linier dasar seperti regresi linier dan regresi logistik