|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/deep-neural-network-ru
课程评论：没有评论
课程名称：深度神经网络效率提升 课程概述：本课程将教你提高深度学习效率的“魔法”。你将学习深度学习的复杂机制，了解哪些参数影响其效率，从而系统地获得良好的结果。此外，你还将学习使用TensorFlow。 在三周后，你将能够： - 掌握深度学习应用开发的前沿方法； - 高效利用常见的神经网络“技巧”，包括初始化、L2正则化、正则化排除法、批量归一化和梯度检查； - 执行和应用多种优化算法，如小批量梯度下降、动量法、RMSprop和Adam，并检查它们的收敛性； - 掌握训练、开发和测试数据集的前沿方法，以及偏见和偏差分析； - 实现一个使用TensorFlow构建的神经网络。 这是“深度学习”专业的第二门课程。 课程大纲： - 第一部分：深度学习的实际应用 - 第二部分：优化算法 - 第三部分：超参数优化、批量归一化和软件框架
Part: 1
Title:Практические аспекты глубокого обучения
Description:
Part: 2
Title:Алгоритмы оптимизации
Description:
Part: 3
Title:Оптимизация гиперпараметров, пакетная нормализация и программные фреймворки
Description:
Этот курс научит вас «магии» повышения эффективности глубокого обучения. Вы изучите сложный механизм работы глубокого обучения, узнаете, какие параметры влияют на его эффективность и сможете систематически получать хорошие результаты. Также вы изучите TensorFlow. По прошествии трех недель вы: — освоите передовые методы создания приложений для глубокого обучения; — научитесь эффективно использовать распространенные «хитрости» работы с нейросетями, включая инициализацию, L2-регуляризацию и регуляризацию методом исключения, пакетную нормализацию и проверку градиента; — научитесь выполнять и применять различные алгоритмы оптимизации, такие как мини-пакетный градиентный спуск, моменты, RMSprop и Adam, а также проверять их сходимость; — освоите передовые методы составления наборов данных для обучения, разработки и тестирования, а также анализа предвзятости и отклонений; — сможете реализовывать нейронную сеть в TensorFlow. Это второй курс специализации «Глубокое обучение».
