รายละเอียด

เป้าหมายของหลักสูตรนี้คือเพื่อให้ผู้เรียนมีความเข้าใจพื้นฐานของโครงข่ายประสาทที่ทันสมัยและการประยุกต์ใช้ในการมองเห็นคอมพิวเตอร์และการเข้าใจภาษาธรรมชาติ หลักสูตรเริ่มต้นด้วยการสรุปโมเดลเชิงเส้นและการอภิปรายเกี่ยวกับวิธีการเพิ่มประสิทธิภาพสุ่มที่สำคัญสำหรับการฝึกอบรมโครงข่ายประสาทเทียม ผู้เรียนจะศึกษาหน่วยการสร้างที่ได้รับความนิยมทั้งหมดของโครงข่ายประสาทเทียมรวมถึงเลเยอร์ที่เชื่อมต่ออย่างสมบูรณ์, เลเยอร์ convolutional และ recurrent
ผู้เรียนจะใช้หน่วยการสร้างเหล่านี้เพื่อกำหนดสถาปัตยกรรมสมัยใหม่ที่ซับซ้อนในกรอบ TensorFlow และ Keras ในผู้เรียนโครงงานหลักสูตรจะใช้โครงข่ายประสาทเทียมลึกสำหรับงานคำบรรยายภาพซึ่งจะช่วยแก้ปัญหาในการให้คำอธิบายข้อความสำหรับภาพอินพุต

ข้อกำหนดเบื้องต้นสำหรับหลักสูตรนี้คือ:
1) ความรู้พื้นฐานของ Python
2) พีชคณิตเชิงเส้นพื้นฐานและความน่าจะเป็น

โปรดทราบว่านี่เป็นหลักสูตรขั้นสูงและเราถือว่าความรู้พื้นฐานของการเรียนรู้ของเครื่อง คุณควรเข้าใจ:
1) การถดถอยเชิงเส้น: หมายถึงข้อผิดพลาดกำลังสอง, โซลูชันการวิเคราะห์
2) การถดถอยโลจิสติก: แบบจำลอง, การสูญเสียข้ามเอนโทรปี, การประมาณความน่าจะเป็นระดับ
3) การไล่ระดับสีสำหรับรุ่นเชิงเส้น อนุพันธ์ของ MSE และฟังก์ชันการสูญเสียข้ามเอนโทรปี
4) ปัญหาการเกิด overfitting
5) normalization สำหรับโมเดลเชิงเส้น

คุณมีปัญหาทางเทคนิคหรือไม่? เขียนถึงเรา: coursera@hse.ru

ราคา: ลงทะเบียนฟรี!

การเรียนรู้ลึกเบื้องต้น - คณะเศรษฐศาสตร์มหาวิทยาลัยวิจัยแห่งชาติ