Nasza specjalność? Elektronika i druk 3D
Szybka dostawa 30 dni na zwrot
Magazyn i serwis? U nas, w Polsce!
Doradzamy i inspirujemy +1,7 mln zamówień
Nasza specjalność? Elektronika i druk 3D
Szybka dostawa 30 dni na zwrot
Magazyn i serwis? U nas, w Polsce!
Doradzamy i inspirujemy +1,7 mln zamówień

Zaufało nam już ponad 500 000 klientów. U nas masz:

 

wysyłkę tego samego dnia przy produktach z oznaczeniem „Wysyłka 24h”

 

własny serwis w Polsce

 

30 dni na zwrot i darmową dostawę w Polsce od 500 zł

 

4,9/5 w TrustMate i 4,9/5 w Google (prawie 4000 opinii)

 

fakturę VAT, leasing i raty dla firm

Dla firm

 

indywidualna wycena przy większych ilościach

 

leasing i raty od 1000 zł

 

faktura VAT

Dla szkół i uczelni

 

0% VAT na sprzęt komputerowy

 

zamówienia na zapytanie ofertowe

 

pomoc w doborze zestawów do pracowni

Złóż zapytanie ofertowe - odpowiadamy szybko.

Indeks: KRW-18661

Kurs Machine Learning - projektowanie sieci neuronowych - wersja ON-LINE

Kurs Machine Learning - projektowanie sieci neuronowych podejmuje tematykę bliską programistom i pasjonatom nowych technologii takich jak uczenie maszynowe (ML, Machine Learning) i uczenie głębokie (DL, Deep Learning). Obejmuje algorytmy sztucznej inteligencji, tworzenie ich i optymalizowanie.

Zapowiedź Cenę i dostępność podamy wkrótce.

Opis produktu: Kurs Machine Learning - projektowanie sieci neuronowych

Kurs Machine Learning - projektowanie sieci neuronowych podejmuje tematykę dla programistów i pasjonatów nowych technologii takich jak uczenie maszynowe (ML, Machine Learning) i uczenie głębokie (DL, Deep Learning). Obejmuje algorytmy sztucznej inteligencji, tworzenie ich i optymalizowanie. Kurs na poziomie średniozaawansowanym, jest częścią ścieżki kursów Machine Learning Engineer.

Omówienie treści kursu

  • Algorytmy uczenia sieci neuronowych
  • Regresja, klasyfikacja i detekcja anomalii w sieciach neuronowych
  • Biblioteka Optuna i optymalizacja algorytmów uczenia się
  • Projektowanie sieci neuronowych w bibliotece TensorFlow
  • Rekurencyjne i konwolucyjne sieci neuronowe
  • Metody optymalizacji funkcji
  • Aktualne trendy Machine Learning
Kurs Machine Learning - projektowanie sieci neuronowych

Uzyskane rekomendacje możesz dodać do swojego profilu LinkedIn lub uzupełnić o nie swoje CV.

Machine Learning, który nadejdzie

Machine Learning, który nadejdzie

Uczenie maszynowe odgrywa coraz większą rolę w naszym życiu. Rozwiązania oparte o sztuczną inteligencję automatyzują wiele powtarzalnych procesów, aby odciążyć nas w pracy. Z rozwiązań tej technologii korzystają już nie tylko rynkowi giganci pokroju Google czy Facebooka. Sieci neuronowe to jeden z najbardziej przełomowych algorytmów tej dziedziny, który pomaga rozwiązywać coraz to bardziej złożone problemy. Nieustannie rośnie zapotrzebowanie na inżynierów wyspecjalizowanych w ML i DL, którzy kładą podwaliny pod nowe metody pracy w wielu obszarach ludzkiej działalności.

Gdzie kryją się sieci neuronowe?

Automatyczne barwienie czarno-białych filmów, odszumianie dźwięku albo skomplikowane rozwiązania diagnostyki medycznej to systemy opierające się o sieci neuronowe. Wciąż rośnie liczba dziedzin, w których stosuje się podobne rozwiązania. Podczas kursu nauczysz się, jak zastosować je w swoich projektach. Nie ma tu skoku na głęboką wodę - wykłady najpierw przypomną Ci podstawy i przybliżą historię sieci neuronowych w pigułce. 

Gdzie kryją się sieci neuronowe?
Struktura i optymalizacja w pracy nad SI / AI

Struktura i optymalizacja w pracy nad SI / AI

Zagadnienia sieci neuronowych oraz optymalizacji uczenia maszynowego są ze sobą ściśle powiązane. Skorelowane przykłady omówiono na podstawie popularnej biblioteki Optuna. Przykładowo, jeśli planujesz wprowadzić nową usługę na rynek, metody optymalizacji mogą uprościć dla Ciebie proces dobierania najlepszej strategii cenowej. Wiele przykładów w kursie to jednocześnie nauka maksymalizacji nagrody i ograniczania kosztów. 

Nowe możliwości

Kurs omawia autoenkodery (auto-enkodery, autokodery), sieci rekurencyjne i sieci konwolucyjne. To czołowe pod względem popularności i efektywności metody w pracy z AI. Pomogły rozwiązać wiele problemów, które do tej pory okazywały się zbyt trudne dla tradycyjnej algorytmiki i wczesnych metod Machine Learning. Rozwiązania te stosowane są w badaniach nad zagadnieniami takimi jak analiza mutacji pod kątem występowania chorób genetycznych, retinopatia czy diagnostyka onkologiczna. Kurs ukazuje, jak wykorzystać je we własnych projektach i aplikacjach.

Nowe możliwości

Najważniejsze elementy kursu

  • Bezterminowy dostęp, w tym dostęp mobilny 24/7
  • 7 godzin szkolenia
  • Testy i zadania
  • 35 profesjonalnych wykładów
  • 26 pytań testowych
  • Certyfikat ukończenia

Uzupełnienie kursu - sztuczna inteligencja

Sieci neuronowe i szeroko rozumiane uczenie maszynowe wpisują się w zagadnienia obszaru znanego jako sztuczna inteligencja. Polecamy zapoznać się także z pozycjami:

Spis treści

1. Wprowadzenie
  • Wstęp 01 m 26 s
  • Jak korzystać z materiałów? 03 m 53 s
  • Biologiczna inspiracja sieci neuronowych 06 m 55 s
  • Niezbędny wstęp matematyczny 15 m 55 s
  • Model perceptronu 15 m 40 s
2. Optymalizacja funkcji
  • Czym jest i do czego potrzebujemy optymalizacji? 06 m 58 s
  • Podejście naiwne 07 m 33 s
  • Metody matematyczne 13 m 42 s
  • Próbkowanie przestrzeni parametrów 12 m 58 s
  • Optymalizacja w wielu wymiarach 16 m 37 s
  • Inne możliwości pakietu Optuna 15 m 25 s - zobacz darmową lekcję
3. Wstęp do struktur sieci neuronowych
  • Wielowarstwowe sieci neuronowe 08 m 09 s
  • Podstawowy algorytm uczenia 17 m 38 s
  • Dodatkowe parametry algorytmu uczenia 34 m 37 s
  • Po co nam funkcje aktywacji? 06 m 29 s
  • Przegląd dostępnych funkcji aktywacji 15 m 52 s
  • Dobór struktury sieci neuronowej 14 m 35 s
  • Częste problemy uczenia 13 m 02 s
4. Zastosowanie sieci w praktyce
  • Wstęp do API Tensorflow 12 m 11 s
  • Budowa struktury sieci 20 m 29 s
  • Rozwiązywanie problemów klasyfikacji 06 m 31 s
  • Dobór optymalnej struktury w problemie klasyfikacji 15 m 29 s
  • Regresja z wykorzystaniem sieci neuronowych 13 m 01 s
  • Sieci neuronowe w uczeniu nienadzorowanym 13 m 19 s
5. Rozszerzenia podstawowego podejścia
  • Strategie doboru wag początkowych 09 m 56 s
  • Ulepszenia dla algorytmu uczenia sieci 12 m 23 s
  • Alternatywne możliwości doboru wag 05 m 50 s
  • Schemat działania autoencoderów 09 m 42 s - zobacz darmową lekcję
  • Wykorzystanie autoencoderów do detekcji anomalii 11 m 42 s
  • Rekurencyjne sieci neuronowe 07 m 25 s
  • Zastosowanie RNN w praktyce 12 m 05 s
  • Konwolucja 14 m 27 s
  • Sieci konwolucyjne i ich zastosowania 15 m 17 s
  • Batch normalization i jego wpływ na uczenie 12 m 02 s
  • Zakończenie 01 m 18 s

Zadaj pierwsze pytanie o ten produkt!

Dane GPSR

Kraj pochodzenia Polska
Dane kontaktowe producenta The Hero Sp. z o. o. Sp. k. ul. Przemysłowa 27 33-100 Tarnów [email protected]
Dane kontaktowe wprowadzającego na rynek UE The Hero Sp. z o. o. Sp. k. ul. Przemysłowa 27 33-100 Tarnów [email protected]
Inni klienci oglądali również

Brak opinii dla tego produktu.

Produkty z tej samej kategorii

Zobacz wszystkie