Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Meditation Personal Transformation Life Purpose Emotional Intelligence Neuroscience
Web Development JavaScript React CSS Angular PHP Node.Js WordPress Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Modeling Data Analysis Big Data
Business Fundamentals Entrepreneurship Fundamentals Online Business Business Strategy Business Plan Startup Freelancing Blogging Tax Preparation
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
Development Data Science Neural Networks

Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras

Naucz się budować sieci neuronowe w języku Python wykorzystując najnowocześniejsze rozwiązania!
Rating: 4.5 out of 54.5 (75 ratings)
555 students
Created by Paweł Krakowiak
Last updated 2/2021
Polish
30-Day Money-Back Guarantee

What you'll learn

  • Matematyczne podstawy działania sieci neuronowych
  • Implementacja prostej sieci neuronowej od zera
  • Zrozumienie zasad działania sztucznych sieci neuronowych (ANN)
  • Zrozumienie zasad działania konwolucyjnych sieci neuronowych (CNN)
  • Zrozumienie zasad działania rekurencyjnych sieci neuronowych (RNN)
  • Uczenie nadzorowane przy użyciu sieci neuronowych
  • Klasyfikacja przy pomocy ANN
  • Regresja przy pomocy ANN
  • Klasyfikacja binarna obrazów przy pomocy ANN i CNN
  • Klasyfikacja wieloklasowa obrazów przy pomocy CNN
  • Praca z danymi tekstowymi
  • Praca z obrazami
  • Transfer Learning
  • Zastosowanie modelu VGG16, VGG19
  • Klasyfikacja recenzji przy pomocy RNN

Course content

13 sections • 76 lectures • 8h 42m total length

  • Preview07:47
  • Preview04:26
  • Geoffrey Hinton, Yann LeCun, Yoshua Bengio
    00:11
  • Wymagania
    00:19

  • Amazon Comprehend
    07:56
  • Amazon Polly
    02:21
  • Amazon Rekognition
    02:27

  • Programowanie klasyczne vs. uczenie maszynowe
    02:15
  • Podział uczenia maszynowego
    09:43
  • Wybór biblioteki do uczenia głębokiego: Tensorflow + Keras
    02:46
  • Tensorflow Playground
    11:36
  • Keras
    01:25

  • Repozytorium kursu - GitHub
    00:01
  • Google Colab - Przegląd
    00:05
  • Update
    00:07
  • Digit Recognition - rozpoznawanie ręcznie zapisanych cyfr
    20:51

  • Neuron
    02:04
  • Perceptron
    04:14
  • Perceptron - Przykład
    06:01
  • Perceptron Wielowarstwowy
    05:39
  • Elementy składowe sieci
    02:14
  • Tensor
    00:32
  • Tensor - przykłady
    05:46
  • Funkcje aktywacji
    03:21
  • Funkcje aktywacji - Implementacja
    06:52
  • Funkcje straty
    04:17
  • Funkcje straty - przykłady
    04:23
  • Metryki
    01:56
  • Metryki w problemach klasyfikacji binarnej
    12:11
  • Krzywa ROC
    01:33
  • Metryki w problemach klasyfikacji wieloklasowej
    03:07
  • Metryki w problemach regresji
    07:16
  • Spadek wzdłuż gradientu (Gradient Descent)
    07:01
  • Spadek wzdłuż gradientu (Gradient Descent) cz. 2
    05:29
  • Spadek wzdłuż gradientu (Gradient Descent) - Implementacja
    17:10

  • Matematyczne podstawy sieci neuronowych
    15:43
  • Implementacja prostej sieci neuronowej
    11:59

  • 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
    05:39
  • Główne problemy uczenia głębokiego - przeuczenie i niedouczenie
    07:23
  • Główne problemy uczenia głębokiego - przeuczenie i niedouczenie cz. 2
    13:06
  • Metody regularyzacji modeli
    06:16
  • Wywołania zwrotne - Model Checkpoint
    11:10
  • Wywołania zwrotne - Model Checkpoint - Zapisanie najlepszego modelu
    03:46
  • Wywołania zwrotne - Early Stopping - Wczesne Zatrzymanie
    06:08
  • Tensorboard
    06:19
  • Tensorboard Dev
    04:08
  • Zapis/Ładowanie modelu
    02:40

  • Klasyfikacja wieloklasowa - Fashion MNIST
    13:32
  • Klasyfikacja wieloklasowa - Fashion MNIST - Eksploracja predykcji
    05:03

  • Model regresji cen nieruchomości
    15:19

  • Konwolucyjne Sieci Neuronowe - Wprowadzenie
    08:24
  • Preview10:22
  • Preview06:16
  • 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
    08:24

Requirements

  • ukończony kurs Programowanie w języku Python - od A do Z
  • ukończony kurs 200+ Ćwiczeń - Programowanie w języku Python
  • ukończony kurs 210+ Ćwiczeń - Python - Moduły wbudowane
  • ukończony kurs Wprowadzenie do data science w języku Python - Pandas
  • ukończony kurs Interaktywne wizualizacje danych w języku Python - Plotly
  • ukończony kurs Data Science Bootcamp w języku Python
  • ukończony kurs 250+ Ćwiczeń - Data Science Bootcamp w języku Python
  • wolny czas i chęci do podjęcia kroku w stronę sztucznej inteligencji

Description

---------------------------------------------------------

REKOMENDOWANE ŚCIEŻKI UCZENIA

---------------------------------------------------------

PYTHON DEVELOPER:

  • Programowanie w języku Python - od A do Z - 2020

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest


DATA SCIENTIST / MACHINE LEARNING ENGINEER:

  • Programowanie w języku Python - od A do Z - 2020

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Data Science Bootcamp w języku Python - od A do Z

  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python

  • Machine Learning Bootcamp w języku Python cz.I - od A do Z

  • Machine Learning Bootcamp w języku Python cz.II - od A do Z

  • Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia


DATA SCIENTIST / DEEP LEARNING ENGINEER

  • Programowanie w języku Python - od A do Z - 2020

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Data Science Bootcamp w języku Python - od A do Z

  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python

  • Machine Learning Bootcamp w języku Python cz.I - od A do Z

  • Machine Learning Bootcamp w języku Python cz.II - od A do Z

  • Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia

  • Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras

  • Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe

  • Artificial Intelligence – Computer Vision w języku Python


BI ANALYST / DATA ANALYST:

  • Programowanie w języku Python - od A do Z - 2020

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Twórz nowoczesne aplikacje webowe w Pythonie - Dash, Plotly

  • Data Science Bootcamp w języku Python - od A do Z

  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python


BIG DATA ANALYST:

  • Programowanie w języku Python - od A do Z - 2020

  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z

  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z

  • Programowanie obiektowe w języku Python - OOP - od A do Z

  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP

  • Testy jednostkowe w języku Python - framework unittest

  • 100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest

  • Wprowadzenie do data science w języku Python - Pandas

  • Interaktywne wizualizacje danych w języku Python - Plotly

  • Big Data, Hadoop oraz MapReduce w języku Python

  • Big Data: Analiza danych przy użyciu SQL oraz BigQuery


ENG:

  • 200+ Exercises - Programming in Python - from A to Z

  • 210+ Exercises - Python Standard Libraries - from A to Z

  • 150+ Exercises - Object Oriented Programming in Python - OOP

  • 100+ Exercises - Unit tests in Python - unittest framework

  • 100+ Exercises - Python Programming - Data Science - NumPy

  • 100+ Exercises - Python Programming - Data Science - Pandas

  • 100+ Exercises - Python - Data Science - scikit-learn

  • 250+ Exercises - Data Science Bootcamp in Python


-------------------
OPIS KURSU
-------------------

Zainteresowanie sieciami neuronowymi nigdy w historii nie było tak wysokie jak w ostatnich latach. To pokazuje jak ważnym elementem stają się sieci neuronowe w nowoczesnym budowaniu aplikacji. Rozwiązania sztucznej inteligencji spotykamy praktycznie na każdym kroku, a część z nas już tak do tego przywykła, że nie jest w stanie się bez nich obejść.

W 2018 roku trzej pionierzy sztucznej inteligencji zdobyli nagrodę Turinga (Geoffrey Hinton, Yann LeCun, Yoshua Bengio). To wydarzenie podkreśla jak ważny element w dzisiejszym świecie pełni sztuczna inteligencja. 

Według Gartnera w 2019 roku najczęściej spotykane zastosowania sztucznej inteligencji to odpowiednio:

  • czatboty

  • optymalizacje procesów

  • analiza transakcji i wyłudzeń finansowych

  • segmentacja konsumentów

  • diagnostyka sprzętowa

  • wirtualne call center i asystent klienta

  • rozpoznawanie twarzy


Boom na rozwiązania AI

Zastosowania sztucznej inteligencji (Artificial Intelligence) rosną w tempie wykładniczym. Od prostych modeli klasyfikujących pocztę mailową, wybierającą najbardziej optymalną trasę dojazdu, rozpoznającą nas w czasie rzeczywistym (wideoweryfikacja) po auta a nawet samoloty autonomiczne. A przed nami przecież tyle nieodkrytych obszarów w których można zastosować AI.


Do czego służy biblioteka Keras?

Keras to biblioteka open source do tworzenia sieci neuronowych, która jako backend wykorzystuje Tensorflow, CNTK, czy Theano. Jest doskonałym narzędziem do prototypowania i eksperymentowania oszczędzając nam wiele czasu przy pisaniu kodu. Stanowi także niską barierę wejścia dla osób, które dopiero zaczynają swoją karierę w uczeniu głębokim.


Wzrost popularności języka Python

Język Python świetnie nadaje się do przetwarzania, przygotowania, analizy i modelowania danych. Jest prosty do nauki i nie powinien sprawiać problemów osobie, która dopiero zaczyna uczyć się programowania. Na przestrzeni ostatnich lat i rosnącej popularności sztucznej inteligencji Python wyrósł na gwiazdę w tym sektorze. Powstało sporo potężnych bibliotek do machine learningu, czy deep learningu. Przykładem może być stworzona przez Google biblioteka Tensorflow.


Biorąc pod uwagę drastyczne tempo zmian w ostatnich latach i wzrost zainteresowania sztuczną inteligencją nauka sieci neuronowych staje się bardzo rozsądnym wyborem, który z pewnością zaprocentuje w przyszłości.

Who this course is for:

  • wszystkich osób, które chcą zgłębić swoją wiedzę na temat sztucznej inteligencji oraz sieci neuronowych
  • osób zainteresowanych uczeniem maszynowym oraz uczeniem głębokim
  • programistów języka Python
  • analityków danych
  • data scientistów
  • inżynierów uczenia maszynowego

Instructor

Paweł Krakowiak
Data Scientist, Securities Broker
Paweł Krakowiak
  • 4.6 Instructor Rating
  • 1,251 Reviews
  • 23,873 Students
  • 35 Courses

EN

Data Scientist/Python Developer/Securities Broker

Founder at e-smartdata[.]org.

A big fan of new technologies, especially in the areas of artificial intelligence, big data and cloud solutions.

A graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science in the Big Data specialization.

A graduate of Master's Degree in Financial and Actuarial Mathematics at the Faculty of Mathematics and Computer Science of the University of Lodz.

Stockbroker license holder with experience in teaching at a university.

Lecturer at the GPW Foundation (technical analysis, behavioral finance and portfolio management).

The main areas of interest are artificial intelligence, machine learning, deep learning and financial markets.

PL

Data Scientist, Securities Broker

Założyciel platformy e-smartdata[.]org

Miłośnik nowych technologii, szczególnie w obszarze sztucznej inteligencji, big data oraz rozwiązań chmurowych.

Absolwent podyplomowych studiów na Polsko-Japońskiej Akademii Technik Komputerowych na kierunku Informatyka, spec. Big Data.

Absolwent studiów magisterskich z matematyki finansowej i aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego.

Od 2015 roku posiadacz licencji maklera papierów wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego.

Wykładowca w Fundacji GPW prowadzący szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych.

Z doświadczeniem w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką.

Główne obszary zainteresowań to sztuczna inteligencja, uczenie maszynowe, uczenie głębokie i rynki finansowe.

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.