Deep Learning med Keras og TensorFlow - eLearning
3.500,00 DKK
- 10 hours
Træd ind i fremtiden for kunstig intelligens med Deep Learning-certificeringskurset, og opnå de færdigheder, der skal til for at bygge intelligente, datadrevne systemer. Dette omfattende program er designet til at hjælpe dig med at forstå, hvordan neurale netværk fungerer, og hvordan de driver virkelige applikationer som billedgenkendelse, naturlig sprogbehandling og prædiktiv analyse.
Nøglefunktioner
Sprog
Kursus og materiale på engelsk
Niveau
Mellemniveau
Adgang
1 års adgang til læringsplatformen
2 timers on-demand videoer
med over 10 timers anbefalet studietid
7 automatisk bedømte opgaver
3 omfattende opgaver
7 e-bøger
30 huskequizzer
Certificering
Certifikat for gennemført program medfølger
Læringsudbytte
Når du har gennemført dette kursus, vil du være i stand til at:
Grundlæggende
Forstå det grundlæggende i deep learning og neurale netværk
Tog
Byg og træn kunstige neurale netværk fra bunden
Anvend
Anvend optimeringsteknikker som gradient descent og backpropagation
CNN'er
Implementer konvolutionelle neurale netværk (CNN'er) til billedbehandlingsopgaver
RNN'er
Arbejd med rekurrente neurale netværk (RNN'er) til sekventielle data
TensorFlow
Brug TensorFlow og Keras til at bygge og implementere deep learning‑modeller
Teknikker
Anvend dyb læringsteknikker på virkelige domæner som NLP og computer vision
Udvikl
Udvikl praktiske, produktionsklare AI-løsninger med Python
Kursusforløb
Grundlæggende dyb læring
Lektion 01
- Introduktion til dyb læring
- Grundlæggende dyb læring
- Vigtigheden af dyb læring
TensorFlow
Lektion 02
- Kom godt i gang med TensorFlow
- TensorFlow og Keras
- Keras API'et
- Huspriser i Boston
- Træning af en model
- Evaluering af dybe læringsmodeller
Konvolutionelle neurale netværk
Lektion 03
- Introduktion til CNN'er
- Hvordan fungerer CNN'er?
- Billedklassificering
Avancerede CNN'er
Lektion 04
- Avancerede CNN'er
- Atterblik på konvolutioner
- Dybdevise konvolutioner
- MobileNetV2
- Autoencodere
- Transponerede konvolutioner
- Underklasser af keras.Model
- Støjreduktion i billeder
- Typer af billedsegmentering
- COCO-datasæt
- U-Net
- Brugerdefinerede datageneratorer
- Opbygning af en billedsegmenteringsmodel
Naturlig sprogbehandling
Lektion 05
- Introduktion til Natural Language Processing (NLP)
- Rekurrente neurale netværk (RNN'er)
- Tekstklassificering
Generative Adversarial Networks (GANs)
Lektion 06
- Hvad er generative adversarielle netværk (GANs)
- Autoencodere genbesøgt
- Hvordan fungerer GAN'er?
- Eksempler på GAN'er
- Udfordringer ved GAN'er
- DCGAN
- Opbygning af en generator
- Opbygning af en diskriminator
- Opbygning af GAN'en
- Træningsløkken
AI i den virkelige verden
Lektion 07
- Kom godt i gang med AI i den virkelige verden
- AI i produktion
- Problemerne med AI (teknologi) – adversariale angreb
- Problemerne med AI (teknologi) – forvekslingsmatricer
- Problemerne med AI (teknologi) – modelnøjagtighed
- Problemerne med AI (etik) – når algoritmer går galt
- Problemerne med AI (etik) – hvad kan vi gøre anderledes?
Hvem bør tilmelde sig dette program?
Forudsætninger
- Grundlæggende forståelse af Python-programmering anbefales
- Kendskab til statistik, algebra og sandsynlighed er en fordel
- Kendskab til dataanalysekoncepter er en fordel
- Interesse for kunstig intelligens og maskinlæring
Ambitiøse dataforskere og AI-ingeniører
Softwareingeniører, der skifter til roller inden for maskinlæring
Dataanalytikere og dataingeniører
Big data-specialister
Udtalelser
Licensering og akkreditering
Dette kursus tilbydes i henhold til Partnerprogramaftalen og overholder kravene i licensaftalen
Lighedspolitik
Kandidater opfordres til at kontakte AVC for vejledning og støtte gennem hele processen med tilpasning af arbejdsforhold.
Ofte stillede spørgsmål
Har du brug for virksomhedsløsninger eller LMS-integration?
Fandt du ikke kurset eller programmet, der ville være til gavn for din virksomhed? Har du brug for LMS-integration? Skriv til os, vi løser alt!