Глубокое обучение — это особый раздел машинного обучения, новый подход к поиску представления данных, делающий упор на изучение последовательных слоев (или уровней) все более значимых представлений. Под глубиной в глубоком обучении не подразумевается более глубокое понимание, достигаемое этим подходом; идея заключается в многослойном представлении.
На курсе "Глубокое обучение (нейронные сети) на Python часть 2" слушатели познакомятся с продвинутыми приемами создания современных моделей глубокого обучения, генеративными моделями глубокого обучения, способными создавать изображения и текст, с моделями глубокого обучения с подкреплением.
Прослушав данный курс, Вы узнаете:
- Чем определяется функциональный API фреймворка Keras
- Какие есть способы улучшения моделей
- Как генерировать текст с помощью LSTM
- Как генерировать изображение с помощью вариационного автокодировщика
- Как создавать генеративно-состязательные сети
- Как создать глубокое обучение с подкреплением
Научитесь:
- Основам глубокого обучения продвинутого уровня
- Генерировать текст и изображения с помощью глубокого обучения
- Применять глубокое обучение с подкреплением
Аудитория: начинающие специалисты в области программирования, рассматривающие предмет как ступень к изучению Data Science, желающих продолжить знакомство с темой машинного обучения с технологией глубокого обучения.
Предварительная подготовка: Опыт программирования на языке Python и знание основных библиотек Python для научных расчетов: Numpy, Pandas, Matplotlib. Понимание разделов математики: теория вероятности, статистика, математический анализ, линейная алгебра. Навыки работы с алгоритмами машинного обучения.
Курсы, рекомендуемые для предварительного прохождения:
- Программирование на Python, часть 1
- Программирование на Python, часть 2
- Программирование на Python, часть 3. Numpy для Data Science
- Программирование на Python, часть 4. Pandas для Data Science. Высокопроизводительная обработка и анализ данных в Pandas
- Математика для Data Science, часть 1. Теория вероятностей и статистика
- Математика для Data Science, часть 2. Математический анализ и линейная алгебра
- Машинное обучения на Python, часть 1
- Машинное обучения на Python, часть 2
- Глубокое обучение (нейронные сети) на Python, часть 1
Курсы, рекомендуемые для последующего прохождения:
- Глубокое обучение (нейронные сети) на Python, часть 3. Анализ текстовых данных и обработка естественного языка
- Глубокое обучение (нейронные сети) на Python, часть 4. Компьютерное зрение
Программа курса
1 Глубокое обучение продвинутого уровня
1.1 Функциональный API фреймворка Keras
1.2 Использование обратных вызовов Keras и TensorBoard для моделей глубокого обучения
1.3 Способы улучшение моделей
2 Генеративное глубокое обучение
2.1 Генерирование текста с помощью LSTM
2.2 DeepDream
2.3 Нейронная передача стиля
2.4 Генерирование изображений с вариационными автокодировщиками
2.5 Генеративно-состязательные сети
3 Глубокое обучение с подкреплением
3.1 Введение в обучение с подкреплением
3.2 Алгоритмы, основанные на стратегиях и полезностях
3.3 Комбинированные методы
3.4 Практические рекомендации в обучении с подкреплением
3.5 Проектирование сред с примерами
В конце обучения на курсе проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненных в процессе обучения.
Свободно распространяемое программное обеспечение популярно как среди частных лиц, так и среди организаций. Действительно, СПО позволяет серьезно экономить на приобретении лицензий для компаний, которые многократно тиражируют программное решение. Также благодаря тому, что СПО можно квалифицированно дорабатывать собственными силами под конкретные нужды организации, оно приобретает еще и дополнительную гибкость и удобство в использовании.
Открытое программное обеспечение — это программное обеспечение с открытым исходным кодом. Исходный код создаваемых программ открыт, то есть доступен для просмотра и изменения. Это позволяет использовать уже созданный код для создания новых версий программ, для исправления ошибок и, возможно, помочь в доработке открытой программы.
В конце обучения на курсах проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненные в процессе обучения.
Учебный центр "Интерфейс" оказывает консалтинговые услуги по построению моделей бизнес-процессов, проектированию информационных систем, разработке структуры баз данных и т.д.
- Нужна помощь в поиске курса?
Наша цель заключается в обеспечении подготовки специалистов, когда и где им это необходимо. Возможна корректировка программ курсов по желанию заказчиков! Мы расскажем Вам о том, что интересует именно Вас, а не только о том, что жестко зафиксировано в программе курса. Если вам нужен курс, который вы не видите на графике или у нас на сайте, или если Вы хотите пройти курс в другое время и в другом месте, пожалуйста, сообщите нам, по адресу mail@interface.ru или shopadmin@itshop.ru
- Поговорите со своим личным тренинг-менеджером!
Мы предоставляет Вам индивидуальное обслуживание. Если у вас есть потребность обсудить, все вопросы касательно обучения, свяжитесь, пожалуйста c нами по телефонам: +7 (495) 925-0049, + 7 (495) 229-0436. Или любым другим удобным для Вас средствами связи, которые Вы можете найти на сайтах www.interface.ru или www.itshop.ru
|