Comparação e ajuste de modelos no TensorFlow e no Keras

Como você sabe se sua rede neural tem o número certo de camadas ou se você está superajustando seus dados? Escolher o melhor modelo de machine learning requer comparação, avaliação e ajuste sistemáticos. Este curso baseado em texto orienta você através dos princípios básicos de avaliação e comparação de modelos de aprendizagem profunda. Você passará da construção de redes neurais simples para a análise sistemática de como as mudanças de arquitetura, como a modificação de camadas, neurônios e estratégias de validação, afetam a precisão e o desempenho do seu modelo. O que você aprenderá: Entenda os termos fundamentais de machine learning, incluindo treinamento, validação e divisões de conjuntos de dados de teste; Configure arquiteturas de redes neurais ajustando camadas e neurônios no TensorFlow e no Keras; Analise métricas de desempenho de modelos para identificar subajuste e superajuste; Compare sistematicamente várias variações de modelos Aplique técnicas de validação modernas para garantir que seu modelo se generalize bem para dados não vistos. Você começará com a terminologia essencial da avaliação de modelos antes de passar para exercícios práticos baseados em texto. Através de explicações de código passo a passo, você aprenderá a construir, treinar e comparar diferentes estruturas de redes neurais. Este curso é projetado para iniciantes em aprendizado de máquina e ciência de dados que querem ir além dos tutoriais básicos e aprender a otimizar redes neurais. Nenhuma experiência prévia de aprendizado profundo é necessária, embora uma familiaridade básica com Python seja útil. Comece a ler hoje para dominar a arte da comparação de modelos e construir redes neurais mais confiáveis.