François Chung, Ph.D.

Tag: xarxa neuronal

Aprenentatge profund i TensorFlow

Aprenentatge profund i TensorFlow

Formació Cognitive Class, MOOC (2020). Aquesta ruta d'aprenentatge presenta els conceptes bàsics d'aprenentatge profund i TensorFlow amb experiència pràctica en la resolució de problemes. Durant tota la formació, TensorFlow s'utilitza en l'ajust de corbes, la regressió, la classificació i la minimització de funcions d'error. Després, aquest concepte s'explora en el món de l'aprenentatge profund, on TensorFlow s'aplica per a la propagació cap enrere per ajustar els pesos i els biaixos.

Curs 1: Fonaments de l'aprenentatge profund

Temes principals:

  • Introducció a l'aprenentatge profund;
  • Models d'aprenentatge profund;
  • Models addicionals d'aprenentatge profund;
  • Biblioteques i plataformes d'aprenentatge profund.

Curs 2: Aprenentatge profund amb TensorFlow

Temes principals:

  • Introducció a TensorFlow;
  • CNN - Xarxa neuronal convolucional;
  • RNN - Xarxa neuronal recurrent;
  • Aprenentatge sense supervisió.

Referències

Formació

Deep learning fundamentals (Fonaments de l'aprenentatge profund, certificat del curs)
Deep Learning Essentials (insígnia de certificació)
Deep learning with TensorFlow (Aprenentatge profund amb TensorFlow, certificat del curs)
Deep Learning using TensorFlow (insígnia de certificació)

Articles relacionats

Més informació

Xarxes neuronals i aprenentatge profund

Xarxes neuronals i aprenentatge profund

Formació Coursera, MOOC (2018). Impartida en línia per Stanford University (US), aquesta formació introdueix les bases de l'aprenentatge profund. Els principals objectius són comprendre les tendències tecnològiques que impulsen l'aprenentatge profund, ser capaç de construir, entrenar i aplicar xarxes neuronals profundes. La formació té com a objectiu ensenyar com funciona l'aprenentatge profund, en lloc de presentar només una descripció superficial.

Setmana 1: Introducció a l'aprenentatge profund

Temes principals:

  • Què és una xarxa neuronal?
  • Aprenentatge supervisat amb xarxes neuronals;
  • Per què s’està enlairant l'aprenentatge profund?

Setmana 2: Fonaments de xarxes neuronals

Temes principals:

  • Classificació binària;
  • Regressió logística;
  • Descens de gradient;
  • Derivades amb gràfic de computació;
  • Vectorització de la regressió logística.

Setmana 3: Xarxes neuronals superficials

Temes principals:

  • Representació de la xarxa neuronal;
  • Calcular la sortida d'una xarxa neuronal;
  • Vectorizar a través de múltiples exemples;
  • Funcions d'activació i les seves derivades;
  • Descens de gradient per a xarxes neuronals;
  • Inicialització aleatòria.

Setmana 4: Xarxes neuronals profundes

Temes principals:

  • Xarxa neuronal multicapa;
  • Propagació cap endavant i cap enrere;
  • Blocs de construcció de xarxes;
  • Paràmetres vs hiper-paràmetres.

Referències

Articles relacionats

Més informació