|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/getting-started-with-tensor-flow2-ko
课程评论：没有评论
课程名称：开始使用 TensorFlow 2 课程概述： 欢迎参加“开始使用 TensorFlow 2”课程！本课程将教授您如何使用 TensorFlow 开发深度学习模型，包括使用顺序API构建、训练、评估和预测模型，模型验证、正则化、实现回调，以及模型的保存与加载等完整的端到端工作流程。您将通过实用的编程练习来巩固所学概念，并在研究生助教的指导下进行练习。此外，课程中还包含一系列可自动评分的编程作业。课程结束时，您将整合多个概念，开发一个从零开始的图像分类深度学习模型的最终项目。 TensorFlow 是一个开源机器学习库，是最广泛使用的深度学习框架之一。TensorFlow 2 的发布标志着产品开发的阶段性转变，注重为初学者到高级用户提供易用性。本课程面向有 TensorFlow 1.x 经验的用户以及没有任何经验的用户。 为成功完成本课程，您需具备 Python 编程语言（使用 Python 3）、一般机器学习概念（如过拟合/欠拟合、监督学习任务、验证、正则化和模型选择）、典型的模型架构（如 MLP/前馈和卷积神经网络）、激活函数、输出层和优化等深度学习领域的实用知识。 课程大纲： 1. 部分：TensorFlow 介绍 - 描述：了解 TensorFlow 作为一种流行的深度学习库，学习如何使用 Coursera 平台进行 TensorFlow 开发，并熟悉相关资源，如 Google Colab。 2. 部分：顺序模型 API - 描述：学习如何使用高级的 Keras API 快速构建、训练、评估和预测深度学习模型，通过编程作业实际应用于 MNIST 手写数字数据集。 3. 部分：验证、正则化与回调 - 描述：学习如何使用验证数据集进行模型验证与选择、应用正则化技术，使用回调监控性能并根据条件执行操作，编程作业集中于 Iris 数据集。 4. 部分：模型保存与加载 - 描述：学习如何根据特定标准保存与加载 TensorFlow 模型，包括使用回调、手动存储和仅保存权重等选项，通过编程作业实现卫星图像模型的保存与加载。 5. 部分：Capstone 项目 - 描述：结合所学知识，开发一个基于街景房屋号码的深度学习分类器，完成课程的最终项目。
Part: 1
Title:TensorFlow 소개
Description:TensorFlow는 딥 러닝을 위한 가장 인기 있는 라이브러리 중 하나이며 오늘날 모든 수준의 연구원과 전문가 사이에서 널리 사용됩니다. 이번 주에는 Coursera 플랫폼에서 TensorFlow 사용을 시작하고 과정 구조에 익숙해지는 훈련을 할 것입니다. 또한 Google Colab을 포함하여 TensorFlow에서 딥 러닝 모델을 개발할 때 유용한 리소스에 대해서도 배우게 됩니다. 이번 주는 과정의 다음 주에 TensorFlow에 진입할 수 있도록 실제로 모든 것을 설정하는 것입니다.
Part: 2
Title:순차 모델 API
Description:TensorFlow에서 딥 러닝 모델을 구축하고 적용하는 방법에는 높은 수준의 빠르고 사용하기 쉬운 API부터 낮은 수준의 작업에 이르기까지 여러 가지가 있습니다. 이번 주에는 딥 러닝 모델에서 빠르게 구축, 훈련, 평가 및 예측하기 위해 고급 Keras API를 사용하는 방법을 배웁니다. 이번 주 프로그래밍 과제는 이 모든 것을 실제로 적용하고 MNIST의 필기 영상 데이터 세트에서 처음부터 이미지 분류 모델을 개발할 수 있는 기회를 제공합니다.
Part: 3
Title:검증, 정규화 및 콜백
Description:모델 검증 및 선택은 과적합을 방지하고 일반화를 개선하는 데 도움이 되는 모든 머신 러닝 모델 개발을 개발하는 데 필수적인 부분입니다. 이번 주에는 훈련 실행에서 검증 데이터 세트를 사용하고 모델에 정규화 기술을 적용하는 방법을 배우게 됩니다. 또한 콜백을 사용하여 성능을 모니터링하고 지정된 기준에 따라 작업을 수행하는 방법을 배우게 됩니다. 이번 주 프로그래밍 과제에서는 잘 알려진 Iris 데이터 세트에서 모델 검증 및 정규화를 실행합니다.
Part: 4
Title:모델 저장 및 로드
Description:딥 러닝 모델 개발의 일부로 지정하려는 특정 기준에 따라 TensorFlow 모델을 저장하고 로드할 수 있어야 합니다. 이번 주에는 콜백을 사용하여 모델을 저장하는 방법, 수동 저장 및 로드, 가중치만 저장하는 것을 포함하여 모델을 저장할 때 사용할 수 있는 옵션을 배우게 됩니다. 또한 사전 훈련된 딥 러닝 모델을 로드하고 사용하는 방법을 연습합니다. 이번 주 프로그래밍 과제에서는 위성 이미지로 훈련된 모델에 대한 유연한 모델 저장 및 로드 구현을 작성합니다.
Part: 5
Title:Capstone 프로젝트
Description:이 과정에서는 Tensorflow에서 딥 러닝 모델을 개발하기 위한 엔드-투-엔드 워크플로우를 배웠습니다. Capstone 프로젝트는 스트리트 뷰 집 번호의 레이블이 지정된 이미지 데이터 세트에 대한 딥 러닝 분류기를 개발하기 위해 모든 지식을 결합할 수 있는 기회를 제공합니다.
TensorFlow 2 시작하기 과정에 오신 것을 환영합니다! 이 과정에서는 순차 API를 사용한 모델 구축, 훈련, 평가 및 예측, 모델 검증, 정규화, 콜백 구현, 모델 저장 및 로딩 등 Tensorflow를 사용하여 딥 러닝 모델을 개발하기 위한 완벽한 엔드-투-엔드 워크플로우를 배우게 됩니다. 배운 개념을 실용적인 실습형 코딩 자습서에서 바로 연습할 것이며 이는 대학원 조교에게 안내를 받게 될 것입니다. 또한 기술을 통합할 수 있는 일련의 자동 채점 프로그래밍 과제가 있습니다.\n\n과정이 끝나면 이미지 분류기 딥 러닝 모델을 처음부터 개발하는 Capstone 프로젝트에 많은 개념을 통합할 것입니다. Tensorflow는 오픈 소스 머신 라이브러리이며 딥 러닝에 가장 널리 사용되는 프레임워크 중 하나입니다. Tensorflow 2의 출시는 초심자에서 고급 수준에 이르기까지 모든 사용자의 사용 편의성에 중점을 둔 제품 개발의 단계적 변화를 나타냅니다. 이 과정은 Tensorflow 1.x에 대한 경험이 있는 사용자뿐만 아니라 경험이 없는 사용자 모두를 대상으로 합니다. 이 과정에서 성공하기 위해서는 파이썬 프로그래밍 언어(이 과정에서는 파이썬 3 사용), 일반적인 머신 러닝 개념(예: 과적합/과소적합, 지도 학습 작업, 검증, 정규화 및 모델 선택), 전형적인 모델 아키텍처(MLP/피드포워드 및 컨볼루션 신경망), 활성화 함수, 출력 레이어 및 최적화를 포함한 딥 러닝 분야의 실무 지식을 갖추고 있어야 합니다.
