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
Implementacja prostej sieci neuronowej
Treść wykładu zablokowana
Jeśli jesteś już zarejestrowany,
musisz się zalogować
.
Zapisz się na kurs, aby odblokować