Djup maskininlärning med Python

Djup maskininlärning används för att enklare angripa komplexa inlärningsproblem genom att bryta upp dem i flera nivåer. I den här kursen lär vi oss hur man skapar djupa maskininlärningsmodeller baserade på neurala nätverk med hjälp av Python och TensorFlow.


Lektionsplan

  1. Introduktion till neurala nät och TensorFlow

  2. Djupdykning i neurala nät

  3. Databehandling och regularisering

  4. Faltande neurala nät (CNN)

  5. Bildklassifikationsalgoritm med CNN

  6. Återkopplade neurala nät (RNN)

  7. Natural language processing (NLP)

  8. Transfer learning

  9. GAN, Reinforcement learning och framtiden för maskininlärning

Förkunskapskrav

Data Science från början

Maskininlärningens grunder

Nödvändig utrustning

PC med Windows 10 eller Linux, alternativt Mac (skall tillhandahållas av kursdeltagaren)

Omfattning

Varje lektion tar ca. 2 h och ges via videogruppsamtal.


Till varje lektion hör övningar som normalt tar 4-8h att lösa. Övningshandledning finns tillgänglig på svenska och engelska via videosamtal med skärmdelning.

Anmälan ditt intresse till academy@bitaddict.se*. I din intresseanmälan är det viktigt att du skriver kursens namn, planerat startdatum, ditt fullständiga namn och personnummer samt e-postadress och telefonnummer som du önskar bli kontaktad på. 

Varmt välkommen!

*För att kursen skall genomföras krävs ett visst minimum av deltagare. 

 

©2020 by BitAddict AB