Повышение эффективности глубоких нейросетей
Offered By: DeepLearning.AI via Coursera
Course Description
Overview
Этот курс научит вас «магии» повышения эффективности глубокого обучения. Вы изучите сложный механизм работы глубокого обучения, узнаете, какие параметры влияют на его эффективность и сможете систематически получать хорошие результаты. Также вы изучите TensorFlow.
По прошествии трех недель вы:
— освоите передовые методы создания приложений для глубокого обучения;
— научитесь эффективно использовать распространенные «хитрости» работы с нейросетями, включая инициализацию, L2-регуляризацию и регуляризацию методом исключения, пакетную нормализацию и проверку градиента;
— научитесь выполнять и применять различные алгоритмы оптимизации, такие как мини-пакетный градиентный спуск, моменты, RMSprop и Adam, а также проверять их сходимость;
— освоите передовые методы составления наборов данных для обучения, разработки и тестирования, а также анализа предвзятости и отклонений;
— сможете реализовывать нейронную сеть в TensorFlow.
Это второй курс специализации «Глубокое обучение».
Syllabus
- Практические аспекты глубокого обучения
- Алгоритмы оптимизации
- Оптимизация гиперпараметров, пакетная нормализация и программные фреймворки
Taught by
Andrew Ng, Kian Katanforoosh and Younes Bensouda Mourri
Related Courses
Neural Networks for Machine LearningUniversity of Toronto via Coursera 機器學習技法 (Machine Learning Techniques)
National Taiwan University via Coursera Machine Learning Capstone: An Intelligent Application with Deep Learning
University of Washington via Coursera Прикладные задачи анализа данных
Moscow Institute of Physics and Technology via Coursera Leading Ambitious Teaching and Learning
Microsoft via edX