Jasa Bimbingan Skripsi Tesis Disertasi Deep Learning | Ilmu Data: Pembelajaran Mendalam dan Jaringan Neural dengan Python
Apa yang akan Anda pelajari
-
Pelajari cara kerja Deep Learning
-
Pelajari bagaimana jaringan saraf dibangun dari blok bangunan dasar (neuron)
-
Kode jaringan saraf dari awal dengan Python dan numpy
-
Kode jaringan saraf menggunakan TensorFlow Google
-
Jelaskan berbagai jenis jaringan saraf dan berbagai jenis masalah yang mereka gunakan
-
Turunkan aturan backpropagation dari prinsip pertama
-
Buat jaringan saraf dengan keluaran yang memiliki kelas K > 2 menggunakan softmax
-
Jelaskan berbagai istilah yang terkait dengan jaringan saraf, seperti “aktivasi”, “backpropagation” dan “feedforward”
-
Instal TensorFlow
Persyaratan
-
Matematika dasar (turunan kalkulus, matriks aritmatika, probabilitas)
-
Instal Numpy dan Python
-
Menginstal TensorFlow
-
Memahami regresi logistik
Keterangan
Kursus ini akan membantu Anda memulai membangun jaringan saraf tiruan PERTAMA menggunakan teknik pembelajaran mendalam . Mengikuti kursus sebelumnya tentang regresi logistik, kami mengambil blok bangunan dasar ini, dan membangun jaringan saraf non-linier penuh langsung dari gerbang menggunakan Python dan Numpy.
Kami memperluas model klasifikasi biner sebelumnya ke beberapa kelas menggunakan fungsi softmax, dan kami memperoleh metode pelatihan yang sangat penting yang disebut ” backpropagation ” menggunakan prinsip pertama. Kami tunjukkan cara membuat kode backpropagation di Numpy, pertama “cara lambat”, dan kemudian “cara cepat” menggunakan fitur Numpy.
Selanjutnya, kami mengimplementasikan jaringan saraf menggunakan pustaka TensorFlow baru dari Google.
Anda harus mengikuti kursus ini jika Anda tertarik untuk memulai perjalanan menjadi master dalam pembelajaran mendalam, atau jika Anda tertarik dengan pembelajaran mesin dan ilmu data secara umum. Kami melampaui model dasar seperti regresi logistik dan regresi linier dan kami tunjukkan sesuatu yang secara otomatis mempelajari fitur .
Kursus ini memberi Anda banyak contoh praktis sehingga Anda benar-benar dapat melihat seberapa dalam pembelajaran dapat digunakan pada apa saja. Sepanjang kursus, kami akan melakukan proyek kursus, yang akan menunjukkan kepada Anda cara memprediksi tindakan pengguna di situs web berdasarkan data pengguna seperti apakah pengguna tersebut menggunakan perangkat seluler atau tidak, jumlah produk yang mereka lihat, berapa lama mereka tinggal di situs Anda, apakah mereka adalah pengunjung yang kembali atau tidak, dan jam berapa mereka berkunjung.
Proyek lain di akhir kursus menunjukkan kepada Anda bagaimana Anda dapat menggunakan pembelajaran mendalam untuk pengenalan ekspresi wajah. Bayangkan bisa memprediksi emosi seseorang hanya berdasarkan gambar!
Setelah mempelajari dasar-dasarnya, kami memberikan ikhtisar singkat tentang beberapa perkembangan terbaru dalam jaringan saraf – arsitektur yang sedikit dimodifikasi dan kegunaannya.
“Jika Anda tidak dapat menerapkannya, Anda tidak memahaminya”
- Kursus adalah SATU-SATUNYA kursus di mana Anda akan mempelajari cara menerapkan algoritme pembelajaran mesin dari awal
- Kursus lain akan mengajari Anda cara menyambungkan data ke perpustakaan
- Setelah melakukan hal yang sama dengan 10 kumpulan data, Anda menyadari bahwa Anda tidak mempelajari 10 hal. Anda mempelajari 1 hal, dan hanya mengulangi 3 baris kode yang sama sebanyak 10 kali…
Prasyarat yang disarankan:
- kalkulus (mengambil turunan)
- aritmatika matriks
- kemungkinan
- Pengodean python: if/else, loop, daftar, dikte, set
- Pengodean numpy: operasi matriks dan vektor, memuat file CSV
- Kenali model linier dasar seperti regresi linier dan regresi logistik
Untuk siapa kursus ini:
- Siswa yang tertarik dengan pembelajaran mesin – Anda akan mendapatkan semua informasi yang Anda butuhkan untuk melakukannya dengan baik dalam kursus jaringan saraf
- Profesional yang ingin menggunakan jaringan saraf dalam pembelajaran mesin dan jalur ilmu data mereka. Mampu menerapkan model yang lebih kuat, dan mengetahui kekurangannya.
