![[Jose Portilla] Deep Learning with Python and Keras](/assets/images/logos/logo-white.webp "[Jose Portilla] Deep Learning with Python and Keras"){kind=logo}
- 25, Mar 2020
- #1
Jose Portilla
Deep Learning with Python and Keras
Этот курс разработан, чтобы обеспечить полное введение в глубокое обучение.
Он предназначен для начинающих и средних программистов и специалистов по данным, которые знакомы с Python и хотят понимать и применять методы глубокого обучения для решения различных задач.
Мы начнем с обзора приложений глубокого обучения и краткого обзора инструментов и методов машинного обучения.
Затем мы представляем искусственные нейронные сети и объясняем, как они обучаются решать проблемы регрессии и классификации.
В оставшейся части курса мы представляем и объясняем несколько архитектур, включая полностью связанные, сверточные и рекуррентные нейронные сети, и для каждой из них мы объясняем и теорию, и приводим множество примеров приложений.
Этот курс является хорошим балансом между теорией и практикой.
Мы не стесняемся объяснять математические детали и в то же время предоставляем упражнения и примеры кода, чтобы применить то, что вы только что изучили. Цель состоит в том, чтобы предоставить студентам прочную основу, не только теорию, не только сценарии, но и то и другое.
В конце курса вы сможете узнать, какие проблемы можно решить с помощью Deep Learning, вы сможете разрабатывать и обучать различные модели нейронных сетей, а также сможете использовать облачные вычисления для ускорения работы.
обучение и улучшить производительность вашей модели.
Для кого предназначен этот курс:
Инженеры-программисты, которые интересуются наукой о данных и умением глубокого обучения и хотят лучше понять это
Специалисты по данным, которые знакомы с машинным обучением и хотят развить глубокие фундаментальные знания в области глубокого обучения
Подробнее:
Скачать: Скрытая информация :: Авторизуйтесь для просмотра »
Этот курс разработан, чтобы обеспечить полное введение в глубокое обучение.
Он предназначен для начинающих и средних программистов и специалистов по данным, которые знакомы с Python и хотят понимать и применять методы глубокого обучения для решения различных задач.
Мы начнем с обзора приложений глубокого обучения и краткого обзора инструментов и методов машинного обучения.
Затем мы представляем искусственные нейронные сети и объясняем, как они обучаются решать проблемы регрессии и классификации.
В оставшейся части курса мы представляем и объясняем несколько архитектур, включая полностью связанные, сверточные и рекуррентные нейронные сети, и для каждой из них мы объясняем и теорию, и приводим множество примеров приложений.
Этот курс является хорошим балансом между теорией и практикой.
Мы не стесняемся объяснять математические детали и в то же время предоставляем упражнения и примеры кода, чтобы применить то, что вы только что изучили. Цель состоит в том, чтобы предоставить студентам прочную основу, не только теорию, не только сценарии, но и то и другое.
В конце курса вы сможете узнать, какие проблемы можно решить с помощью Deep Learning, вы сможете разрабатывать и обучать различные модели нейронных сетей, а также сможете использовать облачные вычисления для ускорения работы.
обучение и улучшить производительность вашей модели.
Для кого предназначен этот курс:
Инженеры-программисты, которые интересуются наукой о данных и умением глубокого обучения и хотят лучше понять это
Специалисты по данным, которые знакомы с машинным обучением и хотят развить глубокие фундаментальные знания в области глубокого обучения
Подробнее:
https://www.udemy.com/course/deep-learning-with-python-and-keras/
Скачать: Скрытая информация :: Авторизуйтесь для просмотра »
![[Дэвид Макфарланд] Новая большая книга CSS](/assets/images/icons/forum2.png){kind=icon}
![[Богатов Алексей] Его величество ретест [2015]](/assets/images/icons/forum3.png){kind=icon}
![[Sex Workout] Как познакомиться с девушкой](/assets/images/icons/forum6.png){kind=icon}
![Tlc (анатолий Логинов) «естественные Отношения 2.0 - Счастливый Отец » [2014]](/assets/images/icons/forum1.png){kind=icon}