Глубокое обучение с Tensorflow — модель долговременной краткосрочной памяти

Запишитесь на курс бесплатно по ссылке: https://bigdatauniversity.com/courses...

Введение в глубокое обучение с TensorFlow

Большая часть данных в мире не размечена и неструктурирована. Поверхностные нейронные сети не могут легко определить релевантную структуру, например, в изображениях, звуковых и текстовых данных. Глубокие сети способны обнаруживать скрытые структуры в таких данных. В этом курсе TensorFlow вы будете использовать библиотеку Google для применения глубокого обучения к различным типам данных для решения реальных задач.

Традиционные нейронные сети основаны на поверхностных сетях, состоящих из одного входного, одного скрытого и одного выходного слоев. Сети глубокого обучения отличаются от обычных нейронных сетей наличием большего количества скрытых слоев, или так называемой большей глубины. Такие сети способны обнаруживать скрытые структуры в неразмеченных и неструктурированных данных (например, изображениях, звуковых и текстовых данных), которые составляют подавляющее большинство данных в мире.

TensorFlow — одна из лучших библиотек для реализации глубокого обучения. TensorFlow — это программная библиотека для численных вычислений математических выражений с использованием графов потоков данных. Узлы графа представляют математические операции, а ребра — многомерные массивы данных (тензоры), которые между ними передаются. TensorFlow была разработана Google и адаптирована для машинного обучения. Фактически, она широко используется для разработки решений с использованием глубокого обучения.

В этом курсе TensorFlow вы сможете изучить основные концепции TensorFlow, основные функции, операции и конвейер выполнения. Начав с простого примера «Hello Word», на протяжении всего курса вы увидите, как TensorFlow можно использовать для аппроксимации кривых, регрессии, классификации и минимизации функций ошибок. Затем эта концепция будет рассмотрена в мире глубокого обучения. Вы узнаете, как применять TensorFlow для обратного распространения ошибки, чтобы настроить веса и смещения во время обучения нейронных сетей. Наконец, курс охватывает различные типы глубокой архитектуры, такие как сверточные сети, рекуррентные сети и автоэнкодеры.

Свяжитесь с Университетом больших данных:
  / bigdatauniversity  
  / bigdatau  
  / profile  

ОБ ЭТОМ КУРСЕ
•Этот курс бесплатный.
•Вы можете выбрать свой темп обучения.
•Можно проходить в любое время.
•Можно проходить его неограниченное количество раз.

https://bigdatauniversity.com/courses...