Creazione di modelli di deep learning con TensorFlow

Descrizione

La maggior parte dei dati nel mondo non è etichettata e non è strutturata. Le reti neurali poco profonde non possono acquisire facilmente la struttura rilevante, ad esempio, in immagini, suoni e dati testuali. Le reti profonde sono in grado di scoprire strutture nascoste all'interno di questo tipo di dati. In questo corso utilizzerai la libreria TensorFlow per applicare l'apprendimento profondo a diversi tipi di dati al fine di risolvere i problemi del mondo reale.
Risultati di apprendimento:
Dopo aver completato questo corso, gli studenti saranno in grado di:
• spiegare i concetti fondamentali di TensorFlow come le principali funzioni, operazioni e pipeline di esecuzione.
• descrivere come TensorFlow può essere utilizzato nell'adattamento della curva, regressione, classificazione e minimizzazione delle funzioni di errore.
• comprendere diversi tipi di architetture profonde, come reti convoluzionali, reti ricorrenti e autoencoder.
• applicare TensorFlow per backpropagation per regolare i pesi e i bias durante l'addestramento delle reti neurali.