Nilalaman
- Panimula sa Tensorflow para sa AI Machine Learning at Deep Learning (Inaalok ng deeplearning.ai)
- Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
- Tensorflow sa Practice Learning (Inaalok ng deeplearning.ai)
- Convolutional Neural Networks at Tensorflow (Inaalok ng deeplearning.ai)
- Pag-unawa sa Imahe gamit ang Tensorflow sa GCP (Inalok ng Google Cloud Platform)
- Pag-aaral ng Machine na Walang Server gamit ang Tensorflow sa Google Cloud Platform (Inaalok ng Google Cloud Platform)
- Pagproseso ng Likas na Wika gamit ang Tensorflow (Inaalok ng deeplearning.ai)
- Konklusyon
Takeaway:
Ang Tensorflow ay isa sa mga paboritong aklatan ng ML engineer ng ML engineer para sa kumakatawan sa mga pag-andar ng code na kasangkot sa ML, at paggunita ng mga pagpapatakbo sa matematika na ginagamit sa mga neural network at iba pang mga pag-setup ng ML.
Ang Tensorflow ay isa sa mga paboritong aklatan ng open-source ng makina (ML) na inhinyero para sa kinatawan ng mga pag-andar ng code na kasangkot sa ML, at paggunita ng mga pagpapatakbo sa matematika na ginagamit sa mga neural network at iba pang mga pag-setup ng ML.
Narito ang anim na mga kurso na magagamit sa portal ng pagkatuto ng Coursera na gumagabay sa mga mag-aaral patungo sa isang mas buong pag-unawa sa kapaligiran ng Tensorflow.
- Panimula sa Tensorflow para sa AI Machine Learning at Deep Learning (Inaalok ng deeplearning.ai)
- Tensorflow sa Practice Learning (Inaalok ng deeplearning.ai)
- Convolutional Neural Networks at Tensorflow (Inaalok ng deeplearning.ai)
- Pag-unawa sa Imahe gamit ang Tensorflow sa GCP (Inalok ng Google Cloud Platform)
- Pag-aaral ng Machine na Walang Server gamit ang Tensorflow sa Google Cloud Platform (Inaalok ng Google Cloud Platform)
- Pagproseso ng Likas na Wika gamit ang Tensorflow (Inaalok ng deeplearning.ai)
Panimula sa Tensorflow para sa AI Machine Learning at Deep Learning (Inaalok ng deeplearning.ai)
Ang kurso na ito ay tumutulong sa mga mag-aaral na maunawaan kung paano bumuo ng mga scalable algorithm, at kung paano gumagana ang malalim na pagkatuto. Ang mga network ng neural ay isang pokus ng iba't ibang kurso na ito na gumagamit ng ilan sa kaalaman ng dalubhasa sa Andrew Ng upang maipakita sa mga mag-aaral ang mga prinsipyo ng Tensorflow sa trabaho.
Ito ay isang kurso ng pansamantalang antas na 100% online at tumatagal ng humigit-kumulang walong oras upang makumpleto, na may isang iminungkahing yugto ng oras ng apat na linggo.
Ang mga mag-aaral ay matututo sanayin ang isang neural network para sa pangitain sa computer, alamin ang pinakamahusay na kasanayan ng Tensorflow, matutong maunawaan ang mga koneksyon sa neural na koneksyon, at bumuo ng isang pangunahing neural network na may Tensorflow.
Isang gabay sa lahat sa ganitong uri ng paggunita at paghawak ng mga sangkap sa pag-aaral ng machine.
Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
Hindi mo mapagbuti ang iyong mga kasanayan sa pagprograma kapag walang nagmamalasakit sa kalidad ng software.
Tensorflow sa Practice Learning (Inaalok ng deeplearning.ai)
Ang apat na mga module ay tumutulong sa mga mag-aaral na tuklasin ang mga application na artipisyal na intelektwal (AI) at kung paano nila ginawa. Ang mga network ng pagbuo at pagsasanay sa neural ay bahagi ng kurikulum na ito, at matututunan ng mga mag-aaral na gumamit ng mga convolutions sa pagproseso ng imahe, upang mapadali ang mga pagputol ng pagkakakilanlan at mga kakayahan sa pag-uuri.
Ang mga mag-aaral ay maaaring makakuha ng isang unang pagtingin sa kung paano natutunan ang mga machine upang iproseso at kung paano hawakan ang mga neural network ng data ng input.
Ang mga elemento ng kamay o kurso ay magpapakita kung paano gumagana ang mga uri ng teknolohiyang ito sa totoong mundo. Ang kursong online na ito ay tumatagal ng isang buwan upang makumpleto at ito ay isang kurso sa pagitan ng antas.
Convolutional Neural Networks at Tensorflow (Inaalok ng deeplearning.ai)
Ang kurso na ito ay partikular na nakatuon sa koneksyon ng neural network, na kung saan ay isang tiyak na uri ng konsepto sa machine learning world.Ang CNN, tulad ng tawag nito, ay naghahawak ng pagpoproseso ng imahe sa pamamagitan ng paggamit ng iba't ibang mga layer sa loob ng neural network.
Ang mga pamamaraan tulad ng pagtatakbo at padding ay ginagamit upang i-filter at suriin ang mga imahe, at ang impormasyon ay makakakuha ng funneled sa pamamagitan ng system upang kalaunan ay masanay ang computer upang makilala ang mga bagay o iba pang mga aspeto ng isang imahe.
Alamin ng mga mag-aaral ang tungkol sa kung paano ang isang "nakikita" ng impormasyon ng computer, at kung anong mga tukoy na operasyon ang humantong sa epektibong mga pagpoproseso ng imahe at mga gawain sa pagkilala.
Alamin ng mga mag-aaral ang tungkol sa iba't ibang mga problema tulad ng pagkawala ng balangkas, pag-overfitting at pagbagsak sa paghahanap para sa pinakamahusay na kasanayan sa pagbuo at pagpapanatili ng mga kakayahan ng CNN para sa pagkilala sa mukha, pag-unlad ng produkto at iba pa.
Ang pag-aaral ng paglipat ay magiging bahagi din ng syllabus na ito, at ang mga mag-aaral ay matuto nang higit pa tungkol sa tampok na pagkuha ng tampok at pagpili ng tampok bilang isang bahagi ng matagumpay na dimensionality.
Ang kursong pansamantalang antas ay ang lahat ng online at tumatagal ng mga pitong oras upang makumpleto sa isang iminungkahing yugto ng oras ng kurso ng apat na linggo.
Pag-unawa sa Imahe gamit ang Tensorflow sa GCP (Inalok ng Google Cloud Platform)
Ang advanced na course learning machine na ito ay partikular na idinisenyo sa isip ng Google Cloud. Ang nangungunang kapaligiran ay naging isang go-to para sa maraming mga developer na gumawa ng pinakabago at pinakamahusay na mga programa sa ML.
Ang kursong ito ay magpapakita ng mga mag-aaral ng iba't ibang mga diskarte para sa pagsasama-sama ng mga classifier ng imahe at makakatulong sa kanila na maunawaan ang mga koneksyon ng koneksyon sa neural network. Ang tampok na pagkuha at pagpili ay bahagi din ng pokus ng kursong ito, at ang mga mag-aaral ay makakakuha ng pagsasanay sa kung paano maiwasan ang sobrang pag-aayos at mga kaugnay na problema.
Ang mga bahagi ng kamay ay nangangailangan ng kaalaman sa pangunahing SQL, Python at Tensorflow.
Ang kursong ito ay 100% online sa isang advanced na antas at tumatagal ng 11 oras upang makumpleto sa isang iminungkahing pamumuhunan ng oras ng 5-7 na oras bawat linggo.
Pag-aaral ng Machine na Walang Server gamit ang Tensorflow sa Google Cloud Platform (Inaalok ng Google Cloud Platform)
Ginagamit din ng kursong ito ang ideya ng pagtatrabaho sa Tensorflow sa Google Cloud Platform, ngunit nagdaragdag ng ideya ng serverless computing sa pag-aaral ng makina ng pag-aaral sa isang iba't ibang uri ng kapaligiran.
Sa serverless computing, ang mga pag-andar ay idinisenyo para sa kinakailangang paghahatid. Ang kurso na ito ay pag-uusapan ang tungkol sa mga kaso ng paggamit para sa ganitong uri ng pag-setup, at magpapahintulot sa mga mag-aaral na lumahok sa pagbuo ng isang modelo ng Tensorflow ML. Mayroong diin sa scalability at paglawak na may pag-unawa sa mga tampok ng preprocessing at kung paano iikot ang mga modelo ng ML sa isang mahusay na virtualized na kapasidad.
Ang kursong pansamantalang antas na ito ay lahat ng online at tumatagal ng 12 oras upang makumpleto, na may isang iminungkahing frame ng oras ng isang linggo.
Pagproseso ng Likas na Wika gamit ang Tensorflow (Inaalok ng deeplearning.ai)
Ang isa sa mga pinakatanyag na aplikasyon ng Tensorflow at iba pang mga tool sa pag-aaral ng machine ay ang pagsasanay ng natural na pagproseso ng wika (NLP).
Ang kursong ito ay makikilala ng mga mag-aaral sa ilan sa mga sangkap ng NLP na may kaugnayan sa pag-tag ng mga yunit ng pagsasalita at iba pang mga pamamaraan na makakatulong sa mga neural network upang makabuo ng mga istrukturang mahuhusay na modelo. Ang NLP ay nakinabang ng marami sa ML, at ang mga mag-aaral ay maaaring makinabang mula sa makita ang unang kamay kung paano gumagana ang mga pamamaraan na ito.
Sa pamamagitan ng pag-aaral ng hands-on, tutugunan ng mga mag-aaral ang mga problema sa tunay na mundo tulad ng kung paano mag-apply ng paulit-ulit na neural network at LSTM sa Tensorflow at kung paano iproseso ang paggamit ng tokenization at vectors.
Ang kursong ito ay isang 100% online na kurso ng inter-inter-level na tatagal ng siyam na oras upang makumpleto sa isang iminungkahing oras ng apat na linggo.
Konklusyon
Gumamit ng anuman sa mga makabagong oportunidad sa pag-aaral upang makakuha ng mas mahusay na konektado sa mga nuts at bolts ng ML sa pamamagitan ng pag-unawa hindi lamang sa terminolohiya, ngunit ang mga build ng mga system na karaniwang nagtrabaho gamit ang Tensorflow.