Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras
What you'll learn
- matematyczne podstawy działania sieci neuronowych
- implementacja prostej sieci neuronowej od zera przy pomocy języka Python
- 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
- optymalizacja i regularyzacja
- 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 i obrazami
- transfer learning
- zastosowanie modelu VGG16, VGG19
- klasyfikacja recenzji przy pomocy RNN
Requirements
- ukończone kursy ze ścieżki Python Developer na tym koncie instruktorskim
- ukończone kursy ze ścieżki Data Scientist na tym koncie instruktorskim
- podstawowa wiedza matematyczna, w tym algebry liniowej, rachunku różniczkowego i statystyki, będzie przydatna w zrozumieniu niektórych koncepcji związanych z sieciami neuronowymi
- zainteresowanie sieciami neuronowymi
Description
Kurs "Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras" to program szkoleniowy skierowany do osób zainteresowanych rozpoczęciem swojej podróży w świecie głębokiego uczenia. Wykorzystując najnowsze narzędzia, takie jak Tensorflow 2.0 i Keras, kurs ten oferuje praktyczne podejście do zrozumienia i implementacji sieci neuronowych.
Na początku kursu, uczestnicy są wprowadzeni do podstawowych koncepcji głębokiego uczenia, w tym do tego, czym są sieci neuronowe, jak działają neurony, jakie są różne typy warstw w sieciach neuronowych i jak działają algorytmy propagacji wstecznej i spadku gradientu.
Następnie kurs przechodzi do nauki Tensorflow 2.0, jednej z najpopularniejszych bibliotek do głębokiego uczenia, która jest wykorzystywana do tworzenia i trenowania sieci neuronowych. Uczestnicy dowiedzą się, jak definiować modele, jak przeprowadzać proces uczenia, jak oceniać modele i jak korzystać z narzędzi do monitorowania procesu uczenia, takich jak TensorBoard.
Dodatkowo, kurs obejmuje naukę Keras, biblioteki, która działa na Tensorflow i oferuje bardziej intuicyjny interfejs dla definiowania i trenowania modeli. Keras jest szczególnie przyjazny dla początkujących i jest często wykorzystywany do prototypowania modeli.
Kurs "Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras" oferuje uczestnikom szereg praktycznych ćwiczeń i projektów, które pozwolą im na zastosowanie zdobytej wiedzy w praktyce. W ten sposób, uczestnicy będą mieć możliwość zrozumienia i doświadczenia, jak sieci neuronowe mogą być wykorzystywane do rozwiązywania rzeczywistych problemów, takich jak klasyfikacja obrazów, analiza tekstu, prognozowanie szeregów czasowych i wiele innych.
Zwiększ moc swojego uczenia maszynowego dzięki TensorFlow: Uwolnij potencjał danych!
TensorFlow to otwarta biblioteka do uczenia maszynowego i głębokiego uczenia. Została opracowana przez zespół badawczy Google Brain i została udostępniona publicznie w 2015 roku. TensorFlow umożliwia budowę i trenowanie modeli uczenia maszynowego, zarówno w ramach tradycyjnych zastosowań, jak i w obszarze głębokiego uczenia.
Biblioteka TensorFlow jest wysoce elastyczna i obsługuje różne rodzaje modeli uczenia maszynowego, takie jak modele regresji, klasyfikacji, segmentacji obrazu, analizy języka naturalnego i wiele innych. Umożliwia tworzenie i trenowanie modeli o różnych rozmiarach i skomplikowaniu, z możliwością wykorzystania zarówno pojedynczych maszyn, jak i rozproszonych systemów obliczeniowych.
Podstawowym elementem w TensorFlow są tensory, które są wielowymiarowymi tablicami danych. Modele są tworzone w formie grafów obliczeniowych, w których tensory przepływają między różnymi operacjami matematycznymi. TensorFlow automatycznie zarządza obliczeniami na różnych urządzeniach, takich jak CPU i GPU, co umożliwia efektywne wykorzystanie zasobów obliczeniowych.
Biblioteka oferuje również narzędzia do wizualizacji i monitorowania procesu uczenia, dzięki czemu można analizować i interpretować wyniki eksperymentów. TensorFlow obsługuje wiele języków programowania, takich jak Python, C++, Java, Go i inne, co pozwala na łatwe integrowanie z istniejącymi systemami i infrastrukturą.
TensorFlow jest szeroko stosowany w różnych dziedzinach, takich jak rozpoznawanie obrazów, przetwarzanie języka naturalnego, analiza danych, robotyka i wiele innych. Dzięki swojej popularności i wsparciu społeczności, TensorFlow jest jednym z wiodących narzędzi do uczenia maszynowego i głębokiego uczenia.
Twórz, trenuj i zaimplementuj modele z łatwością dzięki Keras: Potęga uczenia maszynowego w Twoich rękach!
Keras to popularna i wysoce elastyczna biblioteka do budowy, trenowania i wdrażania modeli uczenia maszynowego. Została stworzona jako interfejs wysokiego poziomu dla bibliotek głębokiego uczenia, umożliwiając szybkie i intuicyjne tworzenie modeli.
Jednym z kluczowych atutów biblioteki Keras jest jej prostota i przejrzystość. Dzięki czytelnemu interfejsowi API, łatwo jest tworzyć modele, definiować warstwy, określać funkcje aktywacji i optymalizatory. Keras zapewnia również wiele gotowych warstw i modułów, które można łatwo łączyć, co znacznie przyspiesza proces projektowania i implementacji modeli.
Keras działa na wielu popularnych silnikach uczenia maszynowego, w tym na TensorFlow, Theano i CNTK, co zapewnia elastyczność i możliwość dostosowania do różnych środowisk i platform. Dzięki temu Keras jest jednym z najpopularniejszych narzędzi do głębokiego uczenia, znajdującym zastosowanie w dziedzinach takich jak rozpoznawanie obrazów, analiza języka naturalnego, przetwarzanie dźwięku i wiele innych.
Biblioteka Keras została zaprojektowana z myślą o prostocie użytkowania, jednocześnie zachowując pełną kontrolę nad budową i treningiem modeli. Dzięki temu, zarówno początkujący, jak i zaawansowani pracownicy naukowi mogą z powodzeniem korzystać z Keras do rozwiązywania różnorodnych problemów z zakresu uczenia maszynowego.
W 2019 roku Keras został oficjalnie włączony do biblioteki TensorFlow jako interfejs wysokiego poziomu, co oznacza, że jest w pełni zintegrowany z ekosystemem TensorFlow, a jednocześnie zachowuje swoją unikalną filozofię prostoty i elastyczności.
Who this course is for:
- programiści i inżynierowie oprogramowania, którzy chcą zdobyć podstawy dotyczące sieci neuronowych i nauczyć się tworzyć modele przy użyciu Tensorflow i Keras
- studenci lub absolwenci kierunków związanych z informatyką, sztuczną inteligencją, uczeniem maszynowym lub pokrewnymi dziedzinami, którzy chcą zdobyć wiedzę i umiejętności związane z sieciami neuronowymi i ich implementacją w Tensorflow i Keras
- analitycy danych i naukowcy, którzy chcą poszerzyć swoje umiejętności w zakresie modelowania i uczenia maszynowego przy użyciu sieci neuronowych w środowisku Tensorflow i Keras
- specjaliści ds. danych i inżynierowie uczenia maszynowego, którzy chcą aktualizować swoją wiedzę i praktyczne umiejętności w zakresie sieci neuronowych, w tym Tensorflow i Keras
- osoby zainteresowane sztuczną inteligencją, uczeniem maszynowym i sieciami neuronowymi, które preferują język Python i chcą poznać popularne narzędzia takie jak Tensorflow i Keras do implementacji tych technologii
Instructor
EN
Python Developer/AI Enthusiast/Data Scientist/Stockbroker
Enthusiast of new technologies, particularly in the areas of artificial intelligence, the Python language, big data and cloud solutions. Graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science and Big Data specialization. Master's degree graduate in Financial and Actuarial Mathematics at the Faculty of Mathematics and Computer Science at the University of Lodz. Former PhD student at the faculty of mathematics. Since 2015, a licensed Securities Broker with the right to provide investment advisory services (license number 3073). Lecturer at the GPW Foundation, conducting training for investors in the field of technical analysis, behavioral finance, and principles of managing a portfolio of financial instruments.
Founder at e-smartdata
PL
Data Scientist, Securities Broker
Jestem miłośnikiem nowych technologii, szczególnie w obszarze sztucznej inteligencji, języka Python big data oraz rozwiązań chmurowych. Posiadam stopień absolwenta podyplomowych studiów na kierunku Informatyka, specjalizacja Big Data w Polsko-Japońskiej Akademii Technik Komputerowych oraz magistra z Matematyki Finansowej i Aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego. Od 2015 roku posiadam licencję Maklera Papierów Wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego (nr 3073). Jestem również wykładowcą w Fundacji GPW prowadzącym szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych. Mam doświadczenie w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką. Moje główne obszary zainteresowań to język Python, sztuczna inteligencja, web development oraz rynki finansowe.
Założyciel platformy e-smartdata
IG: e_smartdata