TensorFlow для глибокого навчання Bootcamp: Від новачка до майстра

Чому варто вивчати TensorFlow?

Ось три основні причини зануритися в TensorFlow:

1. Безліч можливостей для роботи: Провідні компанії, такі як Google, Airbnb, Uber, DeepMind, Intel, IBM та Twitter, користуються TensorFlow, що призводить до високого попиту на кваліфікованих розробників. TensorFlow швидко обганяє інші інструменти машинного навчання, такі як PyTorch, на ринку праці.
2. Високий попит дорівнює високій оплаті: У середньому розробники TensorFlow заробляють близько 148 000 доларів США, а деякі перевищують 200 000 доларів США згідно з останніми даними ZipRecruiter.
3. Цікавий процес навчання: Вивчаючи TensorFlow, ви матимете можливість створювати моделі глибокого навчання для різних застосувань, таких як регресія, комп'ютерне бачення (виявлення шаблонів у зображеннях), обробка природної мови (аналіз текстових шаблонів) і прогнозування рядів часу (прогнозування майбутніх подій на основі історичних даних). Як це захопливо?

Цей курс призначений для того, щоб надати вам необхідні навички, які шукають рекрутери у розробників TensorFlow.

Ви будете вивчати TensorFlow разом з активною спільнотою.

Випускники Zero To Mastery успішно знайшли роботу в престижних компаніях, таких як Google, Tesla, Amazon, Apple, IBM, Uber та Facebook, серед інших.

Ви можете стати одним з них.

Зареєструвавшись сьогодні, ви приєднаєтеся до нашої ексклюзивної живої онлайн-спільноти, де ви зможете вчитися разом з тисячами однолітків, наставників, помічників та викладачів.

Найголовніше, ви вчитиметеся у галузевого експерта з практичним досвідом у машинному навчанні.

Погляд на вашу навчальну подорож з TensorFlow:

Цей курс дуже інтерактивний та орієнтований на проекти — ви не будете пасивно дивитися лекції. На відміну від багатьох інших курсів, ми зосереджуємось на активній участі.

Ви братимете участь в експериментах, виконуватимете вправи та розроблятимете реальні проекти з машинного навчання, які відображають справжні виклики.

Ми також надамо уявлення про те, що очікувати на іспиті з TensorFlow.

Зрештою, ви отримаєте навички, необхідні для створення сучасних рішень для глибокого навчання, які використовують основні технологічні компанії.

Просто хочемо попередити, що цей курс є дуже докладним. Але не хвилюйтеся; ми почнемо з самого початку!

0. Основи TensorFlow

• Вступ до тензорів (як їх створювати)
• Вилучення даних з тензорів (характеристики тензорів)
• Маніпулювання тензорами (операції над тензорами)
• Використання тензорів з NumPy
• Використання @tf.function (покращення функцій Python)
• Використання GPU з TensorFlow

1. Регресія за допомогою нейронних мереж у TensorFlow

• Створення послідовних моделей TensorFlow з кількома шарами
• Підготовка даних для застосунків машинного навчання
• Розуміння компонентів моделей глибокого навчання (функції втрат, архітектура, оптимізація)
• Діагностика проблем регресії (прогнозування значень) та розробка відповідної нейронної мережі

2. Класифікація за допомогою нейронних мереж у TensorFlow

• Діагностика проблем класифікації (вибір між варіантами)
• Створення, компіляція та навчання моделей класифікації за допомогою TensorFlow
• Створення моделей для бінарних та багатокласових класифікацій
• Візуалізація показників ефективності різних моделей
• Забезпечення відповідності форм вхідних та вихідних даних

3. Комп'ютерне бачення з згортковими нейронними мережами у TensorFlow

• Створення згорткових нейронних мереж з шарами Conv2D та pooling
• Визначення різних викликів комп'ютерного бачення
• Розробка спеціалізованих для комп'ютерного бачення нейронних мереж
• Інтеграція реальних зображень у ваші моделі бачення

4. Перенесене навчання в TensorFlow: вилучення особливостей

• Вилучення особливостей з ваших даних за допомогою попередньо навчених моделей
• Використання TensorFlow Hub для доступу до попередньо навчених моделей
• Використання TensorBoard для оцінки ефективності різних моделей

5. Перенесене навчання в TensorFlow: доопрацювання

• Проведення кількох експериментів з машинного навчання
• Застосування збільшення даних для покращення різноманітності навчальних даних
• Допрацювання попередньо навчених моделей для ваших конкретних потреб
• Використання Callback для додавання функцій до вашої моделі під час навчання

6. Перенесене навчання в TensorFlow: масштабування (міні Food Vision)

• Розширення існуючої моделі для покращення ефективності
• Оцінка ваших моделей машинного навчання шляхом визначення неправильних прогнозів
• Перевершення результатів оригінальної статті Food101, використовуючи лише 10% даних

7. Проєкт-перший рубіж: Food Vision

• Інтеграція всіх ваших знань з попередніх модулів для створення Food Vision, моделі, яка класифікує 101 тип їжі та перевершує оригінальну статтю Food101.

8. Основи NLP в TensorFlow

Ви навчитеся:

• Підготовка текстових даних для нейронних мереж
• Створення векторів слів за допомогою TensorFlow
• Створення нейронних мереж для бінарної та багатокласової класифікації за допомогою:
  • RNNs (повторювані нейронні мережі)
  • LSTMs (мережі довготривалої короткочасної пам'яті)
  • GRUs (модулі з гейтами)
  • CNNs
• Оцінка ефективності ваших моделей NLP

9. Проєкт-другий рубіж: SkimLit

• Відтворення моделі, представленої у дослідженні PubMed 200k, для класифікації послідовностей у медичних анотаціях, що допомагає дослідникам ефективно переглядати матеріали.

10. Основи прогнозування рядів часу у TensorFlow

• Визначення проблем прогнозування рядів часу (прогнозування на основі тенденцій даних з часом, наприклад, прогнозування акцій AAPL)
• Підготовка даних для аналізу рядів часу (особливості та мітки)
• Огляд різних технік оцінки рядів часу
  • MAE — середня абсолютна помилка
• Побудова моделей прогнозування рядів часу за допомогою TensorFlow
  • RNNs (повторювані нейронні мережі)
  • CNNs (згорткові нейронні мережі)

11. Проєкт-третій рубіж: (сюрприз)

• Якщо ви прочитали до цього місця, то, напевно, серйозно цікавитесь курсом. Цей фінальний проєкт буде вартим вашої уваги... до зустрічі всередині!

Що в підсумку?

Зростання TensorFlow створює хвилю можливостей для тих, хто володіє цією технологією.

Компанії, такі як Google, Airbnb, Uber, DeepMind, Intel, IBM та Twitter, вже використовують TensorFlow. Він навіть починає випереджати інші інструменти ML, як-от PyTorch, у сфері зайнятості.

Ми запевняємо, що це найдетальніший і найактуальніший курс TensorFlow, доступний онлайн.

Тож чому вагатися? Підніміть свою кар'єру та підвищіть свій заробітний потенціал, ставши інженером з глибокого навчання та додайте TensorFlow до свого набору навичок 💪.

Ви нічого не ризикуєте, оскільки можете розпочати навчання негайно. Якщо курс не виправдає ваших очікувань, ми пропонуємо повне повернення протягом 30 днів без зайвих питань.