פיתוח של רשתות נוירונים בפייתון בעזרת machine learning

קורס ללמידה עמוקה ופיתוח של רשתות נוירונים בפייתון בעזרת הספריות tensorflow & keras- machine learning

Ratings 4.67 / 5.00
פיתוח של  רשתות נוירונים בפייתון בעזרת machine learning

What You Will Learn!

  • מטרת הקורס היא לבנות מודלים של רשתות נוירונים בעזרת הספריות
  • Tensorflow + Keras
  • בקורס נראה מהי רשת נוירונים וכיצד היא בנויה.
  • שני הפרקים הראשונים הם קצת יותר מאתגרים משאר הקורס בהם נלמד את הרקע המתמטי העומד מאחורי רשתות נורונים, על מנת לקבל הבנה עמוקה של נושא זה.
  • במסגרת פרקים אלו נראה כיצד לבצע פעולות נדרשות במטריצות וכן נלמד את האלגוריתמים
  • SGD- Stochastric Gradient Descent and Backpropagation
  • בפרקים אלו ניצור רשת נוירונים בעזרת פיתון בלבד ללא עזרה של ספריות על מנת להפנים את העיקרון של עבודת רשתות נוירונים
  • לאחר פרקים אלו נלמד כיצד לעבוד עם הספריות ובעזרתם ליצור רשת שתזהה אותיות כתב יד.
  • נושאים נוספים שבהם נעסוק יהיו
  • overfitting & hyperparameters
  • Regularization
  • Dropout
  • Cross entropy loss function & softmax
  • Grid search hyperparameters
  • לאחר מכן נראה כיצד ליצור רשתות מבוססות קונבולוצי. נלמד את כל השכבות המרכיבות אותה ונראה כיצד לזהות קטגוריות של תמונות צבעוניות
  • נושא נוסף שנראה הוא כיצד ליצור רשת לחישוב רגרסיה שבעזרת נבצע הערכת שווי של בתים על פי פרמטרים של גודל, שכונה וכו.
  • נלמד כיצד לטפל בקובצי קול ואיך לזהות את סוג המוזיקה של הקובץ, אם הוא קובץ רוק או קלסי לדוגמא.
  • נלמד כיצד לבנות רשתות מורכבות אם דילוגים על שכבות ומספר כניסות שמאחדים בעזרת
  • Functional API
  • לבסוף נראה כיצד להשתמש ברשתות קיימות שכבר מאומנות לצורך ספציפי בעזרת השיטות של
  • Transfer learning + feature extractions
  • במסגרת הקורס נראה דוגמאות פרקטיות רבות שכתובות בפיתון כך שבסיום הקורס יוכלו המשתתפים להגיע לרמה שבה יוכלו לפתח בעצמם רשתות לצורך פתרון בעיות בתחום

Description

הקורס מלמד הן את הרקע המתמטי של רשתות נוריונים והן את ההיבטים הפרקטים של שימוש בספריות:

במהלך הקורס יוצגו  דוגמאות רבות של מודלים לזיהוי תמונות, זיהוי קובצי קול, הערכת שווי של בתים ושימושים נוספים של רשתות.

יוסברו טכניקות של רשתות מבוססות ארכיטקטורת קונבולוציה, רגרסיה ושיטות רבות לאופטימיזציה.

כמו כן יודגמו שימושים בהביטם שונים של הספריה לשמירה של הרשת, שימוש ברשת קיימת לחיזוי, אופנים שונים של בנית שכבות ועוד.

דרישת הקדם היחידה לקורס היא ידע בתכנות בפייתון.


SGD- Stochastic Gradient Descent

Backpropagation

Overfitting & Hyperparameters

L1 & L2 Regularization

Dropout

Cross entropy loss function & softmax activation function

CNN - Convolutional Neural Network

CNN layers ,Conv2D, pooling, strides, padding, channels

Regression

melspectogram

Data augmentation

Batch Normalization

Functional API

Checkpoints and Callbacks

Transfer learning

Feature extractions





Who Should Attend!

  • סטודנטים בעלי ידע בפיתון שמתעניינים בתחם של בינה מלאכותית ורוצים ללמוד בנית מודלים של רשתות נוירונים

TAKE THIS COURSE

Tags

  • TensorFlow
  • Convolutional Neural Networks
  • Keras

Subscribers

90

Lectures

36

TAKE THIS COURSE



Related Courses