Introducción al aprendizaje profundo - Curso Virtual - Coursera Verified listing

El objetivo de este curso es brindar a los alumnos una comprensión básica de las redes neuronales modernas y sus aplicaciones en la visión por computadora y la comprensión del lenguaje natural.

El curso comienza con un resumen de los modelos lineales y una discusión sobre los métodos de optimización estocástica que son cruciales para entrenar redes neuronales profundas.

Los alumnos estudiarán todos los componentes básicos populares de las redes neuronales, incluidas las capas totalmente conectadas, convolucionales y recurrentes.

Los alumnos utilizarán estos componentes básicos para definir arquitecturas modernas complejas en los marcos de TensorFlow y Keras.

En el proyecto del curso, el alumno implementará una red neuronal profunda para la tarea de subtítulos de imágenes que resuelve el problema de dar una descripción de texto para una imagen de entrada.

Los requisitos previos para este curso son: 1) Conocimiento básico de Python.

2) Álgebra lineal básica y probabilidad.

Tenga en cuenta que este es un curso avanzado y asumimos conocimientos básicos de aprendizaje automático.

Debe comprender: 1) Regresión lineal: error cuadrático medio, solución analítica.

2) Regresión logística: modelo, pérdida de entropía cruzada, estimación de probabilidad de clase.

3) Descenso de gradiente para modelos lineales.

Derivadas de MSE y funciones de pérdida de entropía cruzada.

4) El problema del sobreajuste.

5) Regularización para modelos lineales.

¿Tienes problemas técnicos? Escríbenos: 5) Regularización para modelos lineales.

¿Tienes problemas técnicos? Escríbenos: 5) Regularización para modelos lineales.

¿Tienes problemas técnicos? Escríbenos:Coursera@hse.

ru