This course was created with the
course builder. Create your online course today.
Start now
Create your course
with
Automatyczne odtwarzanie
Autouzupełnienie
Poprzedni wykład
Kontynuuj
Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras (8.5h)
Wstęp
Historia Sieci Neuronowych (7:47)
Nagroda Turinga za wkład z rozwój AI (4:26)
Geoffrey Hinton, Yann LeCun, Yoshua Bengio (4:35)
Wymagania
Przykłady zastosowań sieci neuronowych
Amazon Comprehend (7:56)
Amazon Polly (2:21)
Amazon Rekognition (2:27)
Uczenie Maszynowe - Krajobraz
Programowanie klasyczne vs. uczenie maszynowe (2:15)
Podział uczenia maszynowego (9:43)
Wybór biblioteki do uczenia głębokiego: Tensorflow + Keras (2:46)
Tensorflow Playground (11:36)
Keras (1:25)
Pierwsza sieć neuronowa - Digit Recognition
Repozytorium kursu - GitHub
Google Colab - Przegląd
Digit Recognition - rozpoznawanie ręcznie zapisanych cyfr (20:51)
Sieci Neuronowe - Wprowadzenie
Neuron (2:04)
Perceptron (4:14)
Perceptron - Przykład (6:01)
Perceptron Wielowarstwowy (5:39)
Elementy składowe sieci (2:14)
Tensor (0:32)
Tensor - przykłady (5:46)
Funkcje aktywacji (3:21)
Funkcje aktywacji - Implementacja (8:02)
Funkcje straty (4:17)
Funkcje straty - przykłady (4:23)
Metryki (1:56)
Metryki w problemach klasyfikacji binarnej (12:11)
Krzywa ROC (1:33)
Metryki w problemach klasyfikacji wieloklasowej (3:07)
Metryki w problemach regresji (7:16)
Spadek wzdłuż gradientu (Gradient Descent) (7:01)
Spadek wzdłuż gradientu (Gradient Descent) cz. 2 (5:29)
Spadek wzdłuż gradientu (Gradient Descent) - Implementacja (17:10)
Matematyczne podstawy sieci neuronowych
Matematyczne podstawy sieci neuronowych (15:43)
Implementacja prostej sieci neuronowej (11:59)
Biblioteka Keras
Biblioteka Keras - Wprowadzenie (16:53)
Praca z modelami w bibliotece Keras (13:43)
Praca z modelami w bibliotece Keras cz. 2 (10:18)
Praca z warstwami w bibliotece Keras (5:39)
Główne problemy uczenia głębokiego - przeuczenie i niedouczenie (7:23)
Główne problemy uczenia głębokiego - przeuczenie i niedouczenie cz. 2 (13:06)
Metody regularyzacji modeli (6:16)
Wywołania zwrotne - Model Checkpoint (11:10)
Wywołania zwrotne - Model Checkpoint - Zapisanie najlepszego modelu (3:46)
Wywołania zwrotne - Early Stopping - Wczesne Zatrzymanie (6:08)
Tensorboard (6:19)
Tensorboard Dev (4:08)
Zapis/Ładowanie modelu (2:40)
ANN - Klasyfikacja
Klasyfikacja wieloklasowa - Fashion MNIST (13:32)
Klasyfikacja wieloklasowa - Fashion MNIST - Eksploracja predykcji (5:03)
ANN - Regresja
Model regresji cen nieruchomości (15:19)
CNN - Konwolucyjne Sieci Neuronowe
Konwolucyjne Sieci Neuronowe - Wprowadzenie (13:32)
Przetwarzanie obrazu - Augmentacja danych (10:22)
Klasyfikacja obrazów - omówienie problemu (6:16)
Przygotowanie obrazów do modelu (13:18)
Przygotowanie obrazów do modelu cz. 2 (13:21)
Budowa sieci CNN (12:14)
Transfer Learning - model VGG16 (21:15)
Wyświetlenie błędów predykcji (10:22)
Dron, samolot pasażerski czy helikopter? - Klasyfikacja wieloklasowa (22:47)
Wyświetlenie błędów predykcji (8:24)
RNN - Rekurencyjne Sieci Neuronowe
Praca z tekstem - wektoryzacja (6:57)
Praca z tekstem - tokenizacja (4:38)
Osadzanie słów w przestrzeni - Word Embeddings (5:00)
Osadzanie słów w przestrzeni - Embedding Projector (6:19)
Klasyfikacja - Recenzje filmowe (1:32)
Przetworzenie recenzji i warstwa Embedding (10:48)
Sieci RNN - neuron rekurencyjny (5:31)
RNN: Klasyfikacja recenzji filmowych (5:58)
Projekt własny
Klasyfikacja obrazów
BONUS
Grupa na Facebook'u (0:51)
Rekomendowane ścieżki uczenia
Bonus
Nagroda Turinga za wkład z rozwój AI
Treść wykładu zablokowana
Jeśli jesteś już zarejestrowany,
musisz się zalogować
.
Zapisz się na kurs, aby odblokować
course builder. Create your online course today.
Start now
course builder. Create your online course today.
Start now
course builder. Create your online course today.
Start now
