|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/deep-neural-network-ko
课程评论：没有评论
课程名称：深度神经网络改进：超参数调优、正则化与优化 课程概述：该课程是深度学习专业化的第二部分，将深入探讨如何开启深度学习的“黑箱”，系统地理解如何取得良好的绩效和结果。学员将学习最佳实践，通过训练和开发测试集来分析深度学习应用中的偏差/方差问题。课程内容包括标准神经网络技术的应用，如初始化、L2正则化和丢弃法、超参数调优、批归一化以及梯度检查。学员还将实现和应用多种优化算法，如小批量梯度下降、动量法、RMSprop和Adam，并验证其收敛性，最后在TensorFlow中实现神经网络。 深度学习专业化课程旨在帮助学员理解深度学习的功能、挑战和结果，为参与前沿人工智能技术的发展做好准备。课程为学员提供了将机器学习应用到工作中的知识和技能，提升技术职业水平，并在人工智能领域迈出关键一步的路径。 课程大纲： 第一部分：深度学习的实用方面 描述：探索和实验各种初始化方法，应用L2正则化和丢弃法以防止模型过拟合，并运用梯度检查识别欺诈检测模型的错误。 第二部分：优化算法 描述：通过加入高级优化、随机小批量和学习率减少调度来提升模型速度，开发深度学习工具箱。 第三部分：超参数调优、批归一化与编程框架 描述：快速轻松地构建神经网络，探索用于TensorFlow数据集的深度学习框架并训练神经网络。
Part: 1
Title:딥 러닝의 실용적인 측면
Description:다양한 초기화 방법을 사용하여 살펴보고 실험하고 L2 정규화 및 드롭아웃을 적용하여 모델 과적합을 방지한 다음 기울기 검사를 적용하여 사기 탐지 모델의 오류를 식별합니다.
Part: 2
Title:최적화 알고리즘
Description:고급 최적화, 랜덤 미니배칭 및 학습률 감소 스케줄링을 추가하여 모델 속도를 높여 딥 러닝 도구 상자를 개발하십시오.
Part: 3
Title:하이퍼파라미터 튜닝, 배치 정규화 및 프로그래밍 프레임워크
Description:신경망을 빠르고 쉽게 구축한 다음 TensorFlow 데이터세트에서 신경망을 훈련할 수 있는 딥 러닝 프레임워크인 TensorFlow를 살펴보십시오.
딥 러닝 전문화 두 번째 과정에서는 딥 러닝 블랙박스를 열어 성과를 이끌어내고 체계적으로 좋은 결과를 만들어내는 과정을 이해하게 됩니다. 최종적으로, 테스트 세트를 훈련 및 개발하고 딥 러닝 애플리케이션 구축을 위한 바이어스/분산을 분석하는 모범 사례를 배우게 됩니다. 초기화, L2 및 드롭아웃 정규화, 하이퍼파라미터 튜닝, 배치 정규화 및 기울기 검사와 같은 표준 신경망 기술을 사용할 수 있어야 합니다. 미니 배치 기울기 하강법, 모멘텀, RMSprop 및 Adam과 같은 다양한 최적화 알고리즘을 구현 및 적용하고 수렴을 확인하고 TensorFlow에서 신경망을 구현합니다. 딥 러닝 전문화는 딥 러닝의 기능, 과제 및 결과를 이해하고 최첨단 AI 기술 개발에 참여할 수 있도록 준비하는 데 도움이 되는 기본 프로그램입니다. 머신 러닝을 업무에 적용하고, 기술 경력 수준을 높이고, AI 세계에서 결정적인 단계를 완료할 수 있는 지식과 기술을 얻을 수 있는 경로를 제공합니다.
