Обучение моделей машинного обучения с помощью TensorFlow и Keras

Развитие интуитивного понимания того, как обучаются модели машинного обучения, — это первый шаг к созданию интеллектуальных приложений. Этот текстовый курс проведет вас через основные концепции обучения, сохранения и развертывания нейронных сетей без сложных математических препятствий. Вы перейдете от понимания базового потока данных к созданию функциональных прогностических моделей. Читая подробные объяснения и анализируя структурированные примеры кода, вы овладеете базовой механикой конвейеров машинного обучения: от исходных входных данных до вывода обученной модели. Чему вы научитесь: Понимать основную терминологию машинного обучения, нейронных сетей и циклов обучения; Строить архитектуры нейронных сетей с использованием слоев Keras и операций TensorFlow; Подготавливать и предварительно обрабатывать структурированные данные и изображения для эффективного использования моделью; Обучать модели машинного обучения и отслеживать метрики производительности для предотвращения переобучения; Сохранять, экспортировать и загружать обученные модели для создания базового рабочего процесса MLOps; Применять обученные модели для прогнозирования на новых, ранее не встречавшихся данных. Курс начинается с важной терминологии, описывающей, как данные перемещаются через процессор во время обучения. Затем вы пройдете пошаговые письменные модули, охватывающие подготовку наборов данных, компиляцию моделей, выполнение обучения и окончательную сериализацию моделей для производства. Этот курс предназначен для начинающих разработчиков, энтузиастов данных и новичков, ищущих четкое письменное введение в машинное обучение, причем никакого предварительного опыта работы с ИИ не требуется. Начните читать сегодня, чтобы постичь основы обучения моделей и заложить фундамент в области машинного обучения.