Описание [Lazy Programmer Inc.] [Udemy] Tensorflow 2: глубокое обучение и искусственный интеллект (2026):
Искусственный интеллект: от компьютерного зрения до генеративных состязательных сетей
Чему вы научитесь:
- Искусственные нейронные сети (ИНС) и глубокие нейронные сети (ГНС).
- Прогнозирование доходности акций.
- Прогнозирование временных рядов.
- Компьютерное зрение.
- Создание торгового робота с глубоким обучением.
- Генеративно-состязательные сети (GAN).
- Рекомендательные системы.
- Распознавание изображений.
- Сверточные нейронные сети (CNN).
- Рекуррентные нейронные сети (RNN).
- Использование TensorFlow Serving для развертывания моделей через RESTful API.
- Экспорт моделей в мобильные приложения (Android, iOS) с помощью TensorFlow Lite.
- Параллельное обучение с помощью стратегий TensorFlow.
- Работа с низкоуровневыми компонентами TensorFlow, градиентными лентами и создание собственных моделей.
- Обработка естественного языка (NLP) с использованием глубокого обучения.
- Визуализация закона Мура с помощью кода.
- Создание современных классификаторов изображений.
- Получение сертификата разработчика TensorFlow.
- Основы OpenAI ChatGPT, GPT-4, DALL-E, Midjourney и Stable Diffusion.
Вы когда-либо задумывались, как работают такие инновационные технологии, как OpenAI ChatGPT, GPT-4, DALL-E, Midjourney и Stable Diffusion? В этом курсе вы получите базовые знания о принципах их функционирования. Добро пожаловать в мир TensorFlow 2.0!
Материалы курса:
23 раздела • 148 лекций • 26 часов 22 минуты.
- Введение.
- Работа с Google Colab.
- Основы машинного обучения и нейронных сетей.
- Искусственные нейронные сети прямого распространения.
- Обзор tf.data.
- Свёрточные нейронные сети.
- Рекуррентные нейронные сети, анализ временных рядов и последовательных данных.
- Обработка естественного языка (NLP).
- Рекомендательные системы.
- Трансферное обучение для компьютерного зрения.
- Генеративно-состязательные сети (GAN).
- Теория глубокого обучения с подкреплением.
- Практическая реализация торгового робота с использованием глубокого обучения и подкрепления.
- Продвинутые возможности TensorFlow.
- Глубокий взгляд на низкоуровневые компоненты TensorFlow.
- Функции потерь: детали и примеры.
- Градиентный спуск: углубленное изучение.
- Заключительная часть курса.
- Дополнительные материалы.
- Настройка рабочей среды (ответы на часто задаваемые вопросы студентов).
- Поддержка в программировании на Python для начинающих (ответы на часто задаваемые вопросы студентов).
- Эффективные стратегии обучения в области машинного обучения (ответы на часто задаваемые вопросы студентов).
- Заключительное приложение / ответы на часто задаваемые вопросы.
Подробнее:
Скрытое содержимое. Вам нужно войти или зарегистрироваться.