Deep Learning met Keras en TensorFlow - eLearning

Stap de toekomst van kunstmatige intelligentie binnen met de Deep Learning-certificeringstraining en verwerf de vaardigheden die nodig zijn om intelligente, datagestuurde systemen te bouwen.

Dit uitgebreide programma is ontworpen om je inzicht te geven in hoe neurale netwerken werken en hoe ze ten grondslag liggen aan praktische toepassingen zoals beeldherkenning, natuurlijke taalverwerking en voorspellende analyses.

Door een combinatie van theorie, praktische codeeropdrachten en praktijkgerichte casestudy's leert u hoe u deep learning-modellen ontwerpt, traint en optimaliseert met behulp van industriestandaard frameworks zoals TensorFlow en Keras. De cursus neemt u mee van basisconcepten naar geavanceerde architecturen zoals CNN's en RNN's, waardoor u complexe bedrijfsproblemen met AI kunt oplossen.

Aan het einde van de training beschik je over de praktische expertise om deep learning-modellen te bouwen en deze toe te passen in sectoren zoals de gezondheidszorg, de financiële sector, cyberbeveiliging en e-commerce.

Doelgroep

• Aspirant-datawetenschappers en AI-ingenieurs
• Software-ingenieurs die overstappen naar machine learning-functies
• Data-analisten en data-ingenieurs
• Big data-professionals
• Deep learning-enthousiastelingen
• Professionals die hun vaardigheden op het gebied van AI en machine learning willen verbeteren

Vereisten

• Basiskennis van Python-programmeren wordt aanbevolen
• Bekendheid met statistiek, algebra en kansrekening is nuttig
• Ervaring met concepten uit de data-analyse is een pluspunt
• Interesse in kunstmatige intelligentie en machine learning

Leerdoelen

• De basisprincipes van deep learning en neurale netwerken begrijpen
• Kunstmatige neurale netwerken vanaf nul bouwen en trainen
• Optimalisatietechnieken zoals gradient descent en backpropagation toepassen
• Convolutionele neurale netwerken (CNN's) implementeren voor beeldverwerkingstaken
• Werken met recurrente neurale netwerken (RNN's) voor sequentiële data
• Gebruik TensorFlow en Keras om deep learning-modellen te bouwen en te implementeren
• Pas deep learning-technieken toe op praktijkdomeinen zoals NLP en computervisie
• Ontwikkel praktische, productieklaar AI-oplossingen met Python

Cursusinhoud

Grondbeginselen van deep learning

• Inleiding tot deep learning
• Basisprincipes van deep learning
• Het belang van deep learning

TensorFlow

• Aan de slag met TensorFlow
• TensorFlow en Keras
• De Keras-API
• Huizenprijzen in Boston
• Een model trainen
• Deep learning-modellen evalueren

Convolutionele neurale netwerken

• Inleiding tot CNN's
• Hoe werken CNN's?
• Beeldclassificatie

Geavanceerde CNN's

• Geavanceerde CNN's
• Convoluties opnieuw bekeken
• Dieptegewijze convoluties
• MobileNetV2
• Auto-encoders
• Transponeerde convoluties
• Subklassen van keras.Model
• Beelden ontruisen
• Soorten beeldsegmentatie
• COCO-dataset
• U-Net
• Aangepaste datageneratoren
• Een beeldsegmentatiemodel bouwen

Natuurlijke taalverwerking

• Inleiding tot natuurlijke taalverwerking (NLP)
• Recurrente neurale netwerken (RNN's)
• Tekstclassificatie

Generatieve adversariale netwerken (GAN's)

• Wat zijn generatieve adversariale netwerken (GAN's)?
• Auto-encoders opnieuw bekeken
• Hoe werken GAN's?
• Voorbeelden van GAN's
• Uitdagingen met GAN's
• DCGAN
• Een generator bouwen
• Een discriminator bouwen
• Het GAN bouwen
• De trainingslus

AI in de praktijk

• Aan de slag met AI in de praktijk
• AI in productie
• De problemen met AI (technologie) – Adversarial attacks
• De problemen met AI (technologie) – Confusiematrices
• De problemen met AI (technologie) – Modelnauwkeurigheid
• De problemen met AI (ethiek) – Foutieve algoritmen
• De problemen met AI (ethiek) – Wat kunnen we anders doen?

FAQ

Is er nog ander lesmateriaal naast de video's die je in je eigen tempo kunt bekijken?

Zeker! De on-demand leerervaring gaat verder dan video's en biedt een volledig meeslepende leeromgeving, waaronder:

• LEARN: Interactieve e-books, herhalingsquizzen en praktijkgerichte casestudy's om concepten te versterken
• ASSESS: Diagnostische, module- en eindtoetsen om je voortgang bij te houden
• PRACTICE: Praktische oefeningen met realistische simulaties en Cloud Labs
• GAIN INSIGHTS: Real-time analyses en rapporten die je leervoortgang, uitdagingen en aanbevolen onderwerpen om te herhalen voor het beheersen van belangrijke vaardigheden belichten

Kan ik deze cursus volgen naast mijn fulltime baan?

Ja! Deze cursus is ontworpen voor maximale flexibiliteit. De cursus wordt aangeboden in een online formaat dat je in je eigen tempo kunt volgen, waardoor je op je eigen gemak kunt leren en je vaardigheden kunt verbeteren, wat het gemakkelijk maakt om dit te combineren met je fulltime baan.

Waar gaat deze cursus over deep learning over?

Deze cursus biedt een diepgaande training in deep learning-concepten, neurale netwerken en de ontwikkeling van AI-modellen met behulp van tools zoals TensorFlow en Keras.

Welke vaardigheden heb ik na afloop van deze cursus?

Je bent in staat om neurale netwerken te ontwerpen en te trainen, CNN- en RNN-modellen te bouwen en deep learning-technieken toe te passen op problemen uit de praktijk.

Hoe helpt deze cursus mijn carrière?

De cursus bereidt je voor op veelgevraagde functies in AI en datawetenschap door je gedegen praktische en theoretische kennis van deep learning-systemen bij te brengen.

Belangrijkste kenmerken

• Cursus en materiaal in het Engels
• Gemiddeld niveau
• 2+ uur aan on-demand video's
• 7 automatisch beoordeelde toetsen
• 3 uitgebreide opdrachten
• 30 herhalingsquizzen
• 7 e-books
• 10+ uur aanbevolen studietijd
• 1 jaar toegang tot het leerplatform
• Certificaat van voltooiing inbegrepen