Буткемп по TensorFlow для глубокого обучения [Udemy] [ZTM] [Андрей Неагои, Дэниел Бурк]

TensorFlow for Deep Learning Bootcamp by Andrei Neagoie, Daniel Bourke (ZTM) Язык английский + бонусом субтитры на русском языке, + озвучка на русском языке (ИИ) Чему вы научитесь: Создавайте модели TensorFlow с использованием компьютерного зрения, сверточных нейронных сетей и обработки естественного языка. Полный доступ ко всем интерактивным блокнотам и всем слайдам курса в виде загружаемых руководств. Повысьте свои навыки в области машинного обучения, искусственного интеллекта и глубокого обучения. Поймите, как интегрировать машинное обучение в инструменты и приложения. Научитесь создавать все типы моделей машинного обучения, используя новейшую версию TensorFlow 2. Разрабатывайте алгоритмы распознавания изображений и текста с использованием глубоких нейронных сетей и сверточных нейронных сетей. Использование изображений из реального мира для визуализации пути изображения через свертки позволяет понять, как компьютер «видит» информацию, а также оценить потери и точность. Применение глубокого обучения для прогнозирования временных рядов Получите навыки, необходимые для того, чтобы стать разработчиком TensorFlow. Станьте одним из лучших кандидатов для рекрутеров, ищущих разработчиков TensorFlow. Только что запущен курс, содержащий все современные лучшие практики построения нейронных сетей с использованием TensorFlow и позволяющий стать экспертом по TensorFlow и глубокому обучению! Присоединяйтесь к онлайн-сообществу, насчитывающему более 900 000 студентов, и пройдите курс под руководством эксперта по TensorFlow. Этот курс проведет вас от абсолютного новичка в TensorFlow до создания передовых нейронных сетей глубокого обучения. Эксперты по TensorFlow зарабатывают до 204 000 долларов США в год, при этом средняя зарплата составляет около 148 000 долларов США . Пройдя этот курс, вы присоединитесь к растущей индустрии машинного обучения и станете высокооплачиваемым разработчиком TensorFlow! Вот полное описание всего, чему мы будем учить на курсе (да, это очень подробный план, но не пугайтесь, мы научим вас всему с нуля!): Цель этого курса — научить вас всем навыкам, необходимым для того, чтобы стать одним из 10% лучших разработчиков TensorFlow. Этот курс будет очень практическим и основанным на проектах. Вы не будете просто наблюдать за нашими уроками, а сможете экспериментировать, выполнять упражнения и создавать модели машинного обучения и проекты, имитирующие реальные ситуации. В итоге вы приобретете навыки, необходимые для разработки современных решений в области глубокого обучения, с которыми сталкиваются крупные технологические компании. 0 — Основы TensorFlow Введение в тензоры (создание тензоров) Получение информации из тензоров (атрибутов тензоров) Манипулирование тензорами (тензорные операции) Тензоры и NumPy Использование `@tf.function` (способ ускорить работу обычных функций Python) Использование графических процессоров с TensorFlow 1 — Регрессия с использованием нейронных сетей и TensorFlow Создавайте последовательные модели TensorFlow с несколькими слоями. Подготовьте данные для использования с моделью машинного обучения. Изучите различные компоненты, из которых состоит модель глубокого обучения (функция потерь, архитектура, функция оптимизации). Научитесь диагностировать задачу регрессии (прогнозирование числа) и создавать для нее нейронную сеть. 2 — Классификация с помощью нейронных сетей и TensorFlow Научитесь диагностировать проблемы классификации (предсказывать, является ли объект одним или другим). Создавайте, компилируйте и обучайте модели классификации машинного обучения с помощью TensorFlow. Создание и обучение моделей для бинарной и многоклассовой классификации. Постройте графики зависимости показателей эффективности моделирования друг от друга. Сопоставьте формы входных данных (форма обучающих данных) и выходных данных (целевые данные для прогнозирования). 3 — Компьютерное зрение и сверточные нейронные сети с использованием TensorFlow Создание сверточных нейронных сетей с использованием слоев Conv2D и пулинга. Узнайте, как диагностировать различные виды проблем компьютерного зрения. Научитесь создавать нейронные сети для компьютерного зрения. Узнайте, как использовать изображения из реального мира в моделях компьютерного зрения. 4 — Перенос обучения с использованием TensorFlow. Часть 1: Извлечение признаков. Узнайте, как использовать предварительно обученные модели для извлечения признаков из собственных данных. Узнайте, как использовать TensorFlow Hub для предварительно обученных моделей. Узнайте, как использовать TensorBoard для сравнения производительности нескольких различных моделей. 5 — Перенос обучения с TensorFlow. Часть 2: Тонкая настройка. Узнайте, как настроить и запустить несколько экспериментов по машинному обучению. Узнайте, как использовать аугментацию данных для повышения разнообразия обучающих данных. Узнайте, как доработать предварительно обученную модель под вашу собственную задачу. Узнайте, как использовать коллбэки для добавления функциональности вашей модели во время обучения. 6 — Перенос обучения с TensorFlow. Часть 3: Масштабирование (мини-проект Food Vision) Узнайте, как масштабировать существующую модель. Узнайте, как оценивать свои модели машинного обучения, выявляя наиболее ошибочные прогнозы. Превзошло оригинальную статью Food101, используя всего 10% данных. 7 — Этапный проект 1: Концепция питания Объедините все знания, полученные в предыдущих 6 блокнотах, чтобы создать Food Vision: модель компьютерного зрения, способную классифицировать 101 различный вид продуктов питания. Наша модель значительно превосходит оригинальную статью Food101. 8 — Основы обработки естественного языка в TensorFlow Предварительная обработка текста на естественном языке для использования с нейронной сетью. Создавайте векторные представления слов (числовые представления текста) с помощью TensorFlow. Создайте нейронные сети, способные к бинарной и многоклассовой классификации, используя: Рекуррентные нейронные сети (РНН) LSTM (ячейки долговременной кратковременной памяти) GRU (вентилируемые рекуррентные блоки) Сверточные нейронные сети Узнайте, как оценивать ваши модели обработки естественного языка. 9 — Проект-этап 2: SkimLit Воспроизвести модель, лежащую в основе статьи, опубликованной в PubMed и набравшей 200 000 подписчиков, для классификации различных последовательностей в медицинских аннотациях PubMed (что может помочь исследователям быстрее просматривать медицинские аннотации). 10 — Основы анализа временных рядов в TensorFlow Узнайте, как диагностировать проблемы с временными рядами (построение модели для прогнозирования на основе данных за определенный период времени, например, прогнозирование цены акций AAPL на завтра). Подготовка данных для нейронных сетей, работающих с временными рядами (признаки и метки). Понимание и использование различных методов оценки временных рядов. MAE — средняя абсолютная ошибка Создавайте модели прогнозирования временных рядов с помощью TensorFlow. Рекуррентные нейронные сети (РНН) Сверточные нейронные сети (CNN) 11 — Проект-веха 3: (Сюрприз) Если вы дочитали до этого места, значит, вас, вероятно, заинтересовал курс. Этот последний проект будет хорошим... мы вам обещаем, так что увидимся на курсе TensorFlow набирает популярность, и появляется все больше вакансий для специалистов, обладающих этими знаниями. Фактически, TensorFlow опережает другие популярные инструменты машинного обучения, такие как PyTorch, на рынке труда. Google, Airbnb, Uber, DeepMind, Intel, IBM, Twitter и многие другие в настоящее время используют TensorFlow. Есть причина, по которой эти крупные технологические компании используют эту технологию, и вы узнаете обо всех возможностях, которые TensorFlow предоставляет разработчикам. Для кого предназначен этот курс? Всем, кто хочет войти в число 10% лучших разработчиков TensorFlow и быть на передовой в области искусственного интеллекта, машинного обучения и глубокого обучения. Студенты, разработчики и специалисты по анализу данных, желающие продемонстрировать практические навыки машинного обучения путем создания и обучения моделей с использованием TensorFlow. Всем, кто хочет расширить свои знания в области искусственного интеллекта, машинного обучения и глубокого обучения. Всем, кто хочет освоить создание моделей машинного обучения с использованием последней версии TensorFlow. Требования: Mac / Windows / Linux — все операционные системы совместимы с этим курсом! Предварительные знания TensorFlow не требуются. Базовое понимание машинного обучения будет полезным. Материалы курса 18 разделов • 417 лекций • Общая продолжительность 62 ч 56 мин Введение Основы глубокого обучения и TensorFlow Регрессия с использованием нейронной сети и TensorFlow Классификация с помощью нейронных сетей в TensorFlow Компьютерное зрение и сверточные нейронные сети в TensorFlow Перенос обучения в TensorFlow. Часть 1: Извлечение признаков. Перенос обучения в TensorFlow. Часть 2: Тонкая настройка. Перенос обучения с использованием TensorFlow. Часть 3: Масштабирование. Проект-этап 1: Food Vision Big™ Основы обработки естественного языка в TensorFlow Проект-этап 2: SkimLit Основы работы с временными рядами в TensorFlow + Третий этап проекта: BitPredict Что делать дальше? Приложение: Введение в машинное обучение Приложение: Структура машинного обучения и анализа данных Приложение: Pandas для анализа данных Приложение: NumPy БОНУСНЫЙ РАЗДЕЛ Промо на русском языке: Just launched with all modern best practices for building neural networks with TensorFlow and becoming a TensorFlow & Deep Learning Expert! Join a live online community of over 900,000+ students and a course taught by a TensorFlow expert. This course will take you from absolute beginner with TensorFlow, to creating state-of-the-art deep learning neural networks. TensorFlow experts earn up to $204,000 USD a year, with the average salary hovering around $148,000 USD. By taking this course you will be joining the growing Machine Learning industry and becoming a top paid TensorFlow Developer! Here is a full course breakdown of everything we will teach (yes, it's very comprehensive, but don't be intimidated, as we will teach you everything from scratch!): The goal of this course is to teach you all the skills necessary for you to become a top 10% TensorFlow Developer. This course will be very hands on and project based. You won't just be staring at us teach, but you will actually get to experiment, do exercises, and build machine learning models and projects to mimic real life scenarios. By the end of it all, you will develop skillsets needed to develop modern deep learning solutions that big tech companies encounter. 0 — TensorFlow Fundamentals Introduction to tensors (creating tensors) Getting information from tensors (tensor attributes) Manipulating tensors (tensor operations) Tensors and NumPy Using @tf.function (a way to speed up your regular Python functions) Using GPUs with TensorFlow 1 — Neural Network Regression with TensorFlow Build TensorFlow sequential models with multiple layers Prepare data for use with a machine learning model Learn the different components which make up a deep learning model (loss function, architecture, optimization function) Learn how to diagnose a regression problem (predicting a number) and build a neural network for it 2 — Neural Network Classification with TensorFlow Learn how to diagnose a classification problem (predicting whether something is one thing or another) Build, compile & train machine learning classification models using TensorFlow Build and train models for binary and multi-class classification Plot modelling performance metrics against each other Match input (training data shape) and output shapes (prediction data target) 3 — Computer Vision and Convolutional Neural Networks with TensorFlow Build convolutional neural networks with Conv2D and pooling layers Learn how to diagnose different kinds of computer vision problems Learn to how to build computer vision neural networks Learn how to use real-world images with your computer vision models 4 — Transfer Learning with TensorFlow Part 1: Feature Extraction Learn how to use pre-trained models to extract features from your own data Learn how to use TensorFlow Hub for pre-trained models Learn how to use TensorBoard to compare the performance of several different models 5 — Transfer Learning with TensorFlow Part 2: Fine-tuning Learn how to setup and run several machine learning experiments Learn how to use data augmentation to increase the diversity of your training data Learn how to fine-tune a pre-trained model to your own custom problem Learn how to use Callbacks to add functionality to your model during training 6 — Transfer Learning with TensorFlow Part 3: Scaling Up (Food Vision mini) Learn how to scale up an existing model Learn to how evaluate your machine learning models by finding the most wrong predictions Beat the original Food101 paper using only 10% of the data 7 — Milestone Project 1: Food Vision Combine everything you've learned in the previous 6 notebooks to build Food Vision: a computer vision model able to classify 101 different kinds of foods. Our model well and truly beats the original Food101 paper. 8 — NLP Fundamentals in TensorFlow Learn to: Preprocess natural language text to be used with a neural network Create word embeddings (numerical representations of text) with TensorFlow Build neural networks capable of binary and multi-class classification using: RNNs (recurrent neural networks) LSTMs (long short-term memory cells) GRUs (gated recurrent units) CNNs Learn how to evaluate your NLP models 9 — Milestone Project 2: SkimLit Replicate a the model which powers the PubMed 200k paper to classify different sequences in PubMed medical abstracts (which can help researchers read through medical abstracts faster) 10 — Time Series fundamentals in TensorFlow Learn how to diagnose a time series problem (building a model to make predictions based on data across time, e.g. predicting the stock price of AAPL tomorrow) Prepare data for time series neural networks (features and labels) Understanding and using different time series evaluation methods MAE — mean absolute error Build time series forecasting models with TensorFlow RNNs (recurrent neural networks) CNNs (convolutional neural networks) 11 — Milestone Project 3: (Surprise) If you've read this far, you are probably interested in the course. This last project will be good... we promise you, so see you inside the course TensorFlow is growing in popularity and more and more job openings are appearing for this specialized knowledge. As a matter of fact, TensorFlow is outgrowing other popular ML tools like PyTorch in job market. Google, Airbnb, Uber, DeepMind, Intel, IBM, Twitter, and many others are currently powered by TensorFlow. There is a reason these big tech companies are using this technology and you will find out all about the power that TensorFlow gives developers.