Machine Learning masterclass с TensorFlow
Курсът по Machine Learning с TensorFlow сe води от един от най-елитните ни лектори и специалисти в областта – Ангел Дамянов.
Ангел е data scientist във VMware, който анализира данните за продуктите, за да подобри опита на клиентите. Ежедневно Ангел работи с Big Data, правейки анализ на последователни и хронологични данни, генерирани от регистрационните файлове на системата, използвайки авторегресивни модели, RNN и Clustering. Преди да се присъедини към VMware, той се занимава с иконометрия и оперативни изследвания в университета в Маастрихт.
Описание на курса:
В този курс ще се запознаете с основните техники за Deep Learning. Ще можете да приложите модерни архитектури на невронни мрежи, за да успеете да решите проблеми успешно в различни области, като машинното зрение и обработка на естественi езици (NLP).
- Ще работите с Deep Learning библиотеки като Keras, Tensorflow
- Ще научите основната теория за дълбокото обучение.
- Научете техники за машинно обучение като: подготовка на данни, разделяне на обучителни/ тестови данни.
- Разбиране на компонентите за дълбоко учене и как да се използват: функция на загубите, оптимизатори, регулиране.
- Прилагане на модерна архитектура на невронни мрежи за постигане на съвременни резултати в различни задачи.
- Прилагане на компонентите на невронната мрежа от нулата.
Предварителни знания:
- Линейна алгебра, математически анализ, основна теория на вероятностите.
- Някакъв опит за програмиране, курсът ще се програмира на Python.
В този курс ще научите:
Този курс ще Ви даде основите, така че да можете да практикувате дълбоко обучение.
Конволюционни невронни мрежи (CNN), използвани за машинното зрение (CV):
- Основи на конволюцията на изображението и как се вписва в архитектурите на CNN.
- Избиране на правилни хипер-параметри като скорост на обучение , размер на филтър, брой слоеве и т.н.
- Подобряване на ефективността чрез използване на регуализиране– L1 / L2 regularization, Dropout.
- Преглед на модерните архитектури – VGG, ResNet.
Рекурсивни невронни мрежи (RNN), използвани за естествена езикова обработка (NLP):
- Въведение в RNNs.
- Прегледайте LSTM архитектурата.
- Изпълнение на Char / Word – RNN.
Един от най-добрите начини за разбиране на някои от компонентите и понятията в дълбокото учене е да ги приложите от самото начало. Ще програмираме:
- Swallow and deep feed forward networks.
- Broadcasting and vectorized implementation to improve performances of NNs.
- Разнообразие от алгоритми за оптимизация – SGD, RMSprob, Momentum, Adam.
Ще разкрием някои съвети и трикове, за да постигнем най-съвременни резултати дори и при малки данни и по-слаба машина.
- Увеличаване на данните – получавайте повече данни безплатно.
- Трансферно обучение – използвайте предишната задача, за да създадете по-добри модели за задачата.
- добри практики при настройването на обучителни / тестови / валидационни данни
- анализирате отклонението / отклонението на модела си.
Курсът предполага да дойдете със собствен лаптоп с WiFi мрежова карта. В зависимост колко мощен е вашият лаптоп, различно време може да ви отнемат поставените задачи, но това не е проблем.
Цена: 300 лв.
Цена индивидуална форма : 400 лв.
Можете да заплатите курса на две вноски по 200 лв.
Контакти:
Можете да дойдете при нас за допълнителна информация в Зала 1 на Dreamlabs всяка сряда от 18:00 до 18:45.
email: info@dreamlabs.bg
телефон: +359 893 022 332
Харесайте страницата ни във фейсбук, за да получавате известия!
Продължителност: 2 Месеца (8 седмици).
Dreamlabs се намира в търговски център „Метро Сити“, етаж -1, до залата за тенис на маса.
Точно до метростанция „Александър Малинов“, линия 1 на метрото,в посока Бизнес Парк.
Можете да слезете и на метростанция „Младост 3“ и да повървите 5 мин.
Можете да заплатите курса по:
- По банков път:
‘ТЦ по ЕПТТ’ ЕООД
IBAN: BG56BPBI79401089360101 BPBIBGSF
Евробанк И Еф Джи (Пощенска банка)
В полето „основание за плащане“ напишете началната дата и име на курс. - В брой : 10 минути преди стартиране на първата лекция на курса.
Издаваме фактури за фирми.Регистрирайте се за курса за да си резервирате място,
имате достъп до учебните материали, контакт с преподавателите и известия за курса.