Глубокое обучение в TensorFlow #5 Л5 — РНС: сети долгой краткосрочной памяти (LSTM)

⭐️Об этом курсе Специализация «Глубокое обучение в TensorFlow» — это базовая программа, которая поможет вам понять принципы и код Python в области машинного обучения и глубокого обучения, а также подготовит вас к участию в разработке передовых технологий в области искусственного интеллекта и анализа данных. В рамках этой специализации вы будете создавать и обучать архитектуры нейронных сетей на практике, работая над такими проектами, как «простые» нейронные сети, сверточные нейронные сети, рекуррентные нейронные сети, LSTM, и изучите передовые методы их улучшения с помощью стратегий. 🌟🌟🌟 Получите сертификат [Только для участников] После завершения каждого курса, выполнения практического проекта и итоговой оценки вы получите сертификат, который сможете показать потенциальным работодателям. ⭐️⭐️⭐️Присоединяйтесь к этому каналу, чтобы получить доступ к ресурсам только для участников: https://www.youtube.com/channel/UCtfTf1nNJQ4PbUDqj-Q48rw/join ⭐️⭐️⭐️Поддержите бесплатный контент: https://www.buymeacoffee.com/eMasterClass Что вы узнаете из этого курса: Курс 1 Основы NumPy Введение в тензоры для глубокого обучения с использованием NumPy Структура NumPy Свойства и атрибуты NumPy Создание массивов NumPy Индексирование и нарезка NumPy Манипулирование формой NumPy Поэлементное и широковещательное преобразование NumPy Агрегатные и статистические функции NumPy Скалярное произведение и умножение матриц NumPy Курс 2 Нейронные сети в TensorFlow Мягкое введение в ИИ, Машинное обучение и нейронные сети Логистическая регрессия От логистической регрессии к нейронной сети Создайте свою первую нейронную сеть Практический проект - Классификация изображений Курс 3 Нейронные сети в TensorFlow - Расширенные методы Введение и последовательная модель Последовательная модель - Атрибуты Последовательная модель - Сохранение и загрузка моделей Последовательная модель - Compile() Часто используемые оптимизаторы Часто используемые функции потерь Часто используемые метрики Последовательная модель - Fit() Использование возвращаемых значений Использование коллбэков ModelCheckPoint TensorBoard EarlyStopping Использование размера пакета Последовательная модель - Evaluate() Последовательная модель - Predict() Курс 4 Сверточные нейронные сети в TensorFlow Введение и базовая архитектура Создайте свою первую сверточную нейронную сеть Сверточный слой Ядро, шаги, заполнение Активация Слой пулинга Максимальный пулинг Средний пулинг Слой сглаживания и плотного слоя Курс 5. Рекуррентные нейронные сети в TensorFlow Введение Математические представления Создание вашей первой рекуррентной нейронной сети Рекуррентные нейронные сети Исчезающие и взрывающиеся градиенты Решения Сети с долговременной кратковременной памятью (LSTM) Введение Основные концепции LSTM Как работают LSTM Резюме Практический проект - Модель LSTM для классификации изображений Курс 6. Функциональный API Keras Введение Создание нейронной сети с помощью функционального API Функции Использование одного и того же графа слоев для определения нескольких моделей Вызываемая модель Манипулирование сложными топологиями графов Общие слои Извлечение и повторное использование узлов Практический проект - Модель ResNet для классификации изображений