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
Causal Diagrams: Draw Your Assumptions Before Your ConclusionsHarvard University via edX Artificial Intelligence Ethics in Action
LearnQuest via Coursera Biostatistics USMLE
YouTube The Individual Within the Crowd: How Individual Forecasters Contribute to Ideal Group Forecasts
Santa Fe Institute via YouTube Image Representations Learned With Unsupervised Pre-Training Contain Human-like Biases
Association for Computing Machinery (ACM) via YouTube