קורס אונליין – תעודה מקצועית מוסמכת בלמידת מכונה של אימפריאל קולג' לונדון

להתחיל עם TensorFlow 2

• קורס 1 • 26 שעות • 4.9 (567 דירוגים)

פרטי הקורס

מה תלמדו

ברוכים הבאים לקורס "להתחיל עם TensorFlow 2"! בקורס הזה תלמדו את כל התהליך לפיתוח מודלים של למידת עומק עם TensorFlow, מאיפיון, אימון, הערכה וחיזוי עם מודלים דרך ה-API הסדרתי, אימות מודלים, שילוב רגולציה, יישום קריאות חוזרות, ושמירה וט loading של מודלים.

תיישמו את הקונספטים שתלמדו מיד עם תרגולים מעשיים בקידוד, בהנחיית עוזר הוראה מוסמך. בנוסף, יש סדרה של מטלות תכנות המוערכות אוטומטית כדי לחזק את הכישורים שלכם.

בסוף הקורס, תקבצו יחד את הקונספטים בפרויקט גמר, שבו תפתחו מודל מסווג תמונות מלכתחילה.

TensorFlow היא ספריית מכונה בקוד פתוח, ואחת מהמסגרות הנמצאות בשימוש הנרחב ביותר בלמידת עומק. הוצאת TensorFlow 2 מסמלת שינוי משמעותי בפיתוח המוצר, עם דגש עיקרי על קלות השימוש לכל המשתמשים, מתחילים ועד ברמה מתקדמת. קורס זה מיועד גם למשתמשים חדשים בתכלית ובנוסף למי שיש לו ניסיון ב-TensorFlow 1.x.

הידע הנדרש כדי להצליח בקורס הוא:

• מיומנות בשפת התכנות פייתון (הקורס משתמש ב-Python 3)
• ידע על מושגי למידת מכונה כלליים (כמו אוברפיטינג ואנדרפיטינג, משימות למידה מפוקחת, אימות, רגולציה ובחירת מודל)
• הכשרה בשדה למידת העומק, כולל ארכיטקטורות מודל טיפוסיות (MLP, רשתות נוירונים קונבולוציוניות), פונקציות הפעלה, שכבות פלט ואופטימיזציה.

להתאמה אישית של מודלים עם TensorFlow 2

• קורס 2 • 27 שעות • 4.8 (188 דירוגים)

פרטי הקורס

מה תלמדו

ברוכים הבאים לקורס "להתאמה אישית של המודלים שלכם עם TensorFlow 2"! בקורס הזה תעמיקו את הידע והכישורים שלכם ב-TensorFlow כדי לפתח מודלים וטכניקות למידה מעמיקה מותאמות אישית לכל יישום. תשתמשו ב-APIs ברמה נמוכה ב-TensorFlow כדי לפתח ארכיטקטורות מודל מורכבות, שכבות מותאמות אישית ומידע גמיש. תרחיבו גם את הידע שלכם ב-APIs של TensorFlow כדי לכלול מודלי סדרה.

תיישמו את הקונספטים מיד עם תרגולים מעשיים, בהנחיית עוזר הוראה מוסמך. בנוסף, יש סדרה של מטלות תכנות המוערכות אוטומטית לחיזוק הכישורים שלכם.

בסוף הקורס, תקבצו את הקונספטים בפרויקט גמר, שבו תפתחו מודל תרגום נוירוני בהתאמה אישית מלכתחילה.

TensorFlow היא ספריית מכונה בקוד פתוח, ואחת מהמסגרות הנמצאות בשימוש הנרחב ביותר בלמידת עומק. הוצאת TensorFlow 2 מסמלת שינוי משמעותי בפיתוח המוצר, עם דגש עיקרי על קלות השימוש לכל המשתמשים, מתחילים ועד ברמה מתקדמת.

קורס זה עוקב ישירות אחרי הקורס הקודם "להתחיל עם TensorFlow 2". הידע הנוסף הנדרש כדי להצליח הוא:

• מיומנות בשפת התכנות פייתון (הקורס משתמש ב-Python 3)
• ידע כללי במושגי למידת מכונה (כמו אוברפיטינג ואנדרפיטינג, משימות למידה מפוקחת, אימות, רגולציה ובחירת מודל)
• הכשרה בתחום למידת העומק, כולל ארכיטקטורות מודל טיפוסיות (MLP, CNN, RNN, ResNet) ומושגים כמו למידת העברה, הגברת נתונים ו-וק בולטים.

למידע מונחה הסתברות עם TensorFlow 2

• קורס 3 • 52 שעות • 4.7 (101 דירוגים)

פרטי הקורס

מה תלמדו

ברוכים הבאים לקורס "למידע מונחה הסתברות עם TensorFlow"! קורס זה מתבסס על הקונספטים והכישורים הבסיסיים ל-TensorFlow שנלמדו בשני הקורסים הראשונים, וממוקד בגישה מונחית הסתברות ללמידת עומק. זהו תחום חשוב מאוד שמטרתו לכמת את הרעש והאי-ודאות שנמצאים לעיתים קרובות בנתונים מהמציאות. זהו אספקט קרדינלי כאשר משתמשים במודלים ללמידת עומק בתחומים כמו רכבים אוטונומיים או אבחנות רפואיות; חשוב שהמודל ידע מה הוא לא יודע.

תלמדו כיצד לפתח מודלים הסתברותיים עם TensorFlow, תוך שימוש בספריית ההסתברות של TensorFlow, אשר עוצבה כדי להקל על השילוב של מודלים הסתברותיים עם למידת עומק. כך, קורס זה יכול להיחשב גם כהקדמה לספריית ההסתברות של TensorFlow.

תלמדו כיצד דחיסות הסתברותיות יכולות להיות מיוצגות ומשולבות במודלי למידת עומק ב-TensorFlow, כולל רשתות נוירונים בייסיאניות, זרמים נורמליים ואוטו-קודרים משתנים. תלמדו לפתח מודלים לכימות אי-ודאות, כמו גם מודלים גנרטיביים שיכולים ליצור דוגמאות חדשות דומות לאלו בנתונים, כמו תמונות של פנים של מפורסמים.

תיישמו את הקונספטים באמצעות תרגולים מעשיים, בהנחיית עוזר הוראה מוסמך. בנוסף, יש סדרה של מטלות תכנות המוערכות אוטומטית לחיזוק הכישורים שלכם.

בסוף הקורס, תקבצו את הקונספטים בפרויקט גמר, שבו תפתחו אלגוריתם אוטו-קודר משתנה כדי ליצור מודל גנרטיבי של מערך תמונות סינתטיות שתצטרכו ליצור בעצמכם.

קורס זה עוקב אחרי שני הקורסים הקודמים בהתמחות, "להתחיל עם TensorFlow 2" ו"להתאים את המודלים שלכם עם TensorFlow 2". הידע הנוסף הנדרש כדי להצליח הוא:

• בסיס מוצק בהסתברות ובסטטיסטיקה
• ידע במידה טובה בחלוקות הסתברות סטנדרטיות, פונקציות צפיפות הסתברות, ומושגים כמו אומדנים של מקסימום אפשרי, נוסחת שינוי משתנים למשתנים אקראיים, והגבול התחתון של הראיה (ELBO) שמשמש באינפרנציה משתנה.