Kurs Machine Learning - projektowanie sieci neuronowych - strefakursow.pl

..::(Info)::..

Wielkość: 771 MB
Język: PL
Format: MP4

..::(Opis)::..

Czego się nauczysz:
kluczowych algorytmów nauczania sieci neuronowych

rozwiązywania problemów regresji, klasyfikacji oraz detekcji anomalii

mechanizmów biblioteki Optuna i optymalizacji algorytmów uczenia się

projektowania sieci neuronowych w bibliotece Tensorflow

rozwiązywania częstych problemów

rekurencyjnych oraz konwolucyjnych sieci neuronowych

metod optymalizacji funkcji

aktualnych trendów Machine Learningu

Chyba wszyscy zauważyliśmy, że Machine Learning odgrywa coraz większą rolę w naszym życiu. Rozwiązania oparte o sztuczną inteligencję pojawiają się coraz szerzej, automatyzując wiele powtarzalnych procesów, aby odciążyć nas w pracy. Sieci neuronowe to jeden z najbardziej przełomowych algorytmów tej dziedziny, który od niedawna pomaga rozwiązywać coraz to bardziej złożone problemy. Nic dziwnego, że zapotrzebowanie na inżynierów posiadających wiedzę z tego tematu jest coraz większe.

Python jako jeden z najlepszych wyborów do sztucznej inteligencji i uczenia maszynowego.
Od podstawy do zaawansowanych algorytmów
Większość głośnych rozwiązań, o których słyszymy od czasu do czasu w mediach, takie jak automatyczne kolorowanie czarno-białych filmów, odszumianie dźwięku, a także skomplikowane rozwiązania diagnostyki medycznej to systemy opierające się właśnie o sieci neuronowe. Z tym kursem nauczysz się stosować te i podobne rozwiązania w swoich projektach. Zanim jednak przejdziemy do zaawansowanych algorytmów, dokonamy krótkiego przypomnienia przydatnych zagadnień matematycznych oraz przyjrzymy się historii sieci neuronowych. Dzięki temu łatwiej będzie Ci zagłębić się w ich praktyczne zastosowanie.

Praktyczne zastosowania sieci neuronowych
Sieci neuronowe i optymalizacja uczenia maszynowego
Optymalizacja funkcji
Zagadnienia sieci neuronowych oraz optymalizacji uczenia maszynowego są ze sobą ściśle powiązane. Nie można zajmować się tylko jednym z nich, dlatego w kursie przyjrzymy się dokładnie optymalizacji, a Ty dowiesz się jak tego rodzaju metody wykorzystać w codziennym życiu. Całość omówimy na przykładzie popularnej biblioteki Optuna. Dowiesz się, jak dobrze przeprowadzona optymalizacja pozwoli zminimalizować koszty bądź zmaksymalizować nagrodę. Przykładowo, jeśli planujesz wprowadzić nową usługę na rynek, metody optymalizacji mogą uprościć proces dobierania najlepszej strategii cenowej. Podobnych praktycznych przykładów znajdziesz w kursie znacznie więcej.

Struktura sieci neuronowych
Podstawowe zrozumienie algorytmu uczenia sieci jest bardzo przydatne, jeśli chcemy budować bardziej skomplikowane rozwiązania i trenować je w sensownym czasie. W trakcie kursu przejdziemy przez algorytmy treningu i omówimy mechanizmy działania sieci neuronowych. Przekonasz się, że już bazowe metody sieci neuronowych wykazują dużo większą skuteczność w problemach, które wcześniej rozwiązywaliśmy prostymi metodami takimi jak np. regresja liniowa czy drzewa decyzyjne. Może robisz zdjęcia i chciałbyś automatycznie dobierać ich parametry w fazie postprodukcji? Nie ma problemu, sieci neuronowe pomogą Ci to osiągnąć!

Zrozum algorytm uczenia sieci i algorytm treningu
Implementacja sieci neuronowych z wykorzystaniem frameworka Tenserflow
Zastosowanie sieci w praktyce
Same sieci neuronowe implementuje się najczęściej, korzystając z gotowego frameworka – my wykorzystamy Tensorflow, czyli najpopularniejszą obecnie bibliotekę tego rodzaju. Omówimy jej możliwości i rozwiążemy z jej pomocą trzy problemy: regresji, klasyfikacji oraz detekcji anomalii. Poznasz praktyczne zastosowanie tej biblioteki na przykładach realnych problemów, które z jej pomocą rozwiążemy. Chciałbyś wykrywać np. podejrzane zachowania swoich użytkowników, jeśli prowadzisz stronę internetową? W trakcie kursu dowiesz się, jak sieci neuronowe pomogą Ci to osiągnąć.

Rozszerzenia możliwości sieci
Współczesne rozwiązania oparte o sieci neuronowe korzystają z rozszerzeń, które mocno zwiększają ich możliwości. Autoencodery, sieci rekurencyjne i konwolucyjne to chyba najbardziej popularne i efektywne metody. Pomogły one rozwiązać wiele problemów, które do tej pory okazywały się zbyt trudne dla tradycyjnej algorytmiki i prostszych metod Machine Learningu. W trakcie kursu przejdziemy również przez te metody, dzięki czemu będziesz w stanie zaimplementować je w swoich aplikacjach! Aktualnie stosujemy tego rodzaju rozwiązania do wielu różnych, bardzo skomplikowanych problemów, takich jak np. analiza mutacji genowych pod kątem występowania pewnych chorób.

Zwiększenie możliwości sieci neuronowych dzięki autoencoderom, sieciom rekurencyjnym i konwolucyjnym.
Co jeszcze?
Aby z kursu korzystać w sposób wygodny, komfortowy i przede wszystkim wyciągnąć z niego maksimum praktycznej wiedzy potrzebna będzie podstawowa wiedza dotycząca uczenia maszynowego i znajomość języka Python. Wszystkie umiejętności możesz łatwo zdobyć z innymi naszymi kursami.