קורס אונליין – תעודה מקצועית מוסמכת ב טכניקות מתקדמות של DeepLearning.AI

מודלים מותאמים אישית, שכבות ופונקציות אובדן עם TensorFlow

קורס 1 • 31 שעות • 4.9 (1,046 דירוגים)

פרטי הקורס

מה תלמדו

• תשוו בין APIs פונקציונליים ורציפים, תגלה מודלים חדשים שתוכלו לבנות עם ה-API הפונקציונלי, ותבנו מודל שמייצר מספר פלטים כולל רשת סיאמית.
• תבנו פונקציות אובדן מותאמות (כולל פונקציית האובדן הקונטרסטיבית שמשמשת ברשת סיאמית) כדי למדוד את הצלחת המודל ולעזור לרשת הנוירונים שלכם ללמוד מנתוני האימון.
• תבנו על שכבות סטנדרטיות קיימות כדי ליצור שכבות מותאמות לדגם שלכם, תתאימו שכבת רשת באמצעות שכבת קלט, תבינו את ההבדלים ביניהן, תלמדו מה מרכיב שכבת מותאם, ותחקורו פונקציות הפעלה.
• תבנו על מודלים קיימים כדי להוסיף פונקציות מותאמות, תלמדו כיצד להגדיר את המחלקה המותאמת שלכם במקום להשתמש ב-APIs פונקציונליים או רציפים, תבנו מודלים שניתן לרשת מהמחלקה של TensorFlow Model, ותבנו רשת שארית (ResNet) על ידי הגדרת מחלקת מודל מותאמת.

ההתמחות של DeepLearning.AI ב-TensorFlow: טכניקות מתקדמות

מציגה את התכונות של TensorFlow שנותנות ללומדים יותר שליטה על ארכיטקטורת המודל שלהם וכלים שעוזרים להם ליצור ולאמן מודלים מתקדמים של למידת מכונה.

התמחות זו מיועדת

למהנדסי תוכנה ולמידת מכונה בתחילת הדרך ובאמצע הקריירה, שיש להם הבנה בסיסית של TensorFlow ורוצים להרחיב את הידע ואת הכישורים שלהם על ידי למידת תכונות מתקדמות של TensorFlow כדי לבנות מודלים רבי עוצמה.

כישורים שתרכשו

• קטגוריה: API פונקציונלי
• API פונקציונלי
• קטגוריה: מודלים מותאמים ומיוחדים עם API פונקציונלי
• מודלים מותאמים ומיוחדים עם API פונקציונלי
• קטגוריה: פונקציות אובדן מותאמות
• פונקציות אובדן מותאמות
• קטגוריה: שכבות מותאמות
• שכבות מותאמות

אימון מותאם אישית ומבוזר עם TensorFlow

קורס 2 • 24 שעות • 4.8 (406 דירוגים)

פרטי הקורס

מה תלמדו

• תלמדו על אובייקטים של טנזורים, הבלוקים הבסיסיים של TensorFlow, תבינו את ההבדל בין מודדים "נלהבים" ו"גרפיים" ב-TensorFlow, ותלמדו כיצד להשתמש בכלי TensorFlow לחישוב גרדיאנטיים.
• תבנו לולאות אימון מותאמות אישית utilizando GradientTape ו-TensorFlow Datasets כדי להשיג יותר גמישות וראות באימון המודל שלכם.
• תלמדו על היתרונות של יצירת קוד שרץ במצב גרפי, תסתכלו על מה קוד גרפי נראה כמו, ותתרגלו הגירה אוטומטית של הקוד היעיל הזה עם הכלים של TensorFlow.
• תנצלו את עוצמת האימון המבוזר כדי לעבד יותר נתונים ולאמן מודלים גדולים יותר, מהר יותר, תקבלו סקירה של אסטרטגיות אימון מבוזרות שונות, ותתרגלו עבודה עם אסטרטגיה שמאמן על גופי GPU מרובים, ואחרת שמאמן על גופי TPU מרובים.

ההתמחות של DeepLearning.AI ב-TensorFlow: טכניקות מתקדמות

מציגה את התכונות של TensorFlow שנותנות ללומדים יותר שליטה על ארכיטקטורת המודל שלהם וכלים שעוזרים להם ליצור ולאמן מודלים מתקדמים של למידת מכונה.

התמחות זו מיועדת

למהנדסי תוכנה ולמידת מכונה בתחילת הדרך ובאמצע הקריירה, שיש להם הבנה בסיסית של TensorFlow ורוצים להרחיב את הידע ואת הכישורים שלהם על ידי למידת תכונות מתקדמות של TensorFlow כדי לבנות מודלים רבי עוצמה.

כישורים שתרכשו

• קטגוריה: אסטרטגיות הפצה
• אסטרטגיות הפצה
• קטגוריה: GradientTape לאופטימיזציה
• GradientTape לאופטימיזציה
• קטגוריה: לולאות אימון מותאמות
• לולאות אימון מותאמות
• קטגוריה: פונקציונליות בסיסית של טנזורים
• פונקציונליות בסיסית של טנזורים

ראייה ממוחשבת מתקדמת עם TensorFlow

קורס 3 • 19 שעות • 4.8 (498 דירוגים)

פרטי הקורס

מה תלמדו

• תחקורו סיווג תמונות, סגמנטציה של תמונות, מיקום אובייקטים וגילוי אובייקטים. תיישמו למידת העברה על מיקום וגילוי אובייקטים.
• תיישמו מודלים לגילוי אובייקטים כגון regional-CNN ו-ResNet-50, תתאימו מודלים קיימים, ותבנו מודלים משלכם כדי לגלות, למקם ולסמן את תמונות הברווזים שלכם.
• תיישמו סגמנטציה של תמונות באמצעות וריאציות של הרשת הקונולוציונית המלאה (FCN) כולל U-Net ו- Mask-RCNN לזהות ולגלות מספרים, חיות מחמד, זומבים ועוד.
• תזהו אילו חלקים בתמונה בשימוש על ידי המודל שלכם כדי לבצע את התחזיות שלו באמצעות מפות הפעלה של מחלקות ומפות חשיבות, ותיישמו את שיטות הפרשנות של למידת מכונה הללו כדי לבדוק ולשפר את העיצוב של רשת מפורסמת, AlexNet.

ההתמחות של DeepLearning.AI ב-TensorFlow: טכניקות מתקדמות

מציגה את התכונות של TensorFlow שנותנות ללומדים יותר שליטה על ארכיטקטורת המודל שלהם וכלים שעוזרים להם ליצור ולאמן מודלים מתקדמים של למידת מכונה.

התמחות זו מיועדת

למהנדסי תוכנה ולמידת מכונה בתחילת הדרך ובאמצע הקריירה, שיש להם הבנה בסיסית של TensorFlow ורוצים להרחיב את הידע ואת הכישורים שלהם על ידי למידת תכונות מתקדמות של TensorFlow כדי לבנות מודלים רבי עוצמה.

כישורים שתרכשו

• קטגוריה: חשיבות
• חשיבות
• קטגוריה: סגמנטציה של תמונה
• סגמנטציה של תמונה
• קטגוריה: פירוש מודלים
• פירוש מודלים
• קטגוריה: מפות הפעלה של מחלקות
• מפות הפעלה של מחלקות
• קטגוריה: API לגילוי אובייקטים ב-TensorFlow
• API לגילוי אובייקטים ב-TensorFlow

למידה עמוקה גנרטיבית עם TensorFlow

קורס 4 • 16 שעות • 4.9 (279 דירוגים)

פרטי הקורס

מה תלמדו

• תלמדו על העברת סגנון נוירוני באמצעות למידת העברה: תמצאו את התוכן של תמונה (למשל, ברווז), ואת הסגנון של ציור (למשל, קוביסטי או אימפרסיוניסטי), ותשלבו את התוכן והסגנון לתמונה חדשה.
• תבנו AutoEncoders פשוטים על מערך הנתונים הידוע MNIST, ואדריכליות עמוקות וקונבולוציוניות יותר מורכבות על מערך הנתונים Fashion MNIST, תבינו את ההבדל בתוצאות בין המודלים DNN ו-CNN, תזיהו דרכים להסרת רעש מתמונות רועשות, ותבנו CNN AutoEncoder באמצעות TensorFlow כדי להפיק תמונה נקייה מתמונה רועשת.
• תחקורו Variational AutoEncoders (VAEs) כדי ליצור נתונים חדשים לחלוטין, וליצור פנים של אנימה כדי להשוות אותם לתמונות הפניה.
• תלמדו על GANs; המצאה, תכונות, ארכיטקטורה, וכיצד הם שונים מ-VAEs, תבינו את התפקיד של הגנרטור והדיסקרימינטור בתוך המודל, את הקונספט של 2 שלבי אימון ואת תפקיד הרעש המוכנס, ותבנו GAN משלכם שיכול לייצר פנים.

ההתמחות של DeepLearning.AI ב-TensorFlow: טכניקות מתקדמות

מציגה את התכונות של TensorFlow שנותנות ללומדים יותר שליטה על ארכיטקטורת המודל שלהם, ומספקת להם את הכלים ליצור ולאמן מודלים מתקדמים של למידת מכונה.

התמחות זו מיועדת

למהנדסי תוכנה ולמידת מכונה בתחילת הדרך ובאמצע הקריירה, שיש להם הבנה בסיסית של TensorFlow ורוצים להרחיב את הידע ואת הכישורים שלהם על ידי למידת תכונות מתקדמות של TensorFlow כדי לבנות מודלים רבי עוצמה.

כישורים שתרכשו

• קטגוריה: Auto Encoders
• Auto Encoders
• קטגוריה: רשתות גנרטיביות מתנגדות
• רשתות גנרטיביות מתנגדות
• קטגוריה: העברת סגנון נוירוני
• העברת סגנון נוירוני