Deep Learning met Keras & TensorFlow - eLearning of online klassikaal

Type product

Deep Learning met Keras & TensorFlow - eLearning of online klassikaal

Adding Value Consulting (AVC)
Logo van Adding Value Consulting (AVC)
Opleiderscore: starstarstarstarstar_half 9,5 Adding Value Consulting (AVC) heeft een gemiddelde beoordeling van 9,5 (uit 140 ervaringen)

Tip: meer info over het programma, prijs, en inschrijven? Download de brochure!

Beschrijving

Deep Learning met Keras & TensorFlow

E-learning of online klassikaal - uw keuze

Deep learning is een van de nieuwste technologische ontwikkelingen op het gebied van kunstmatige intelligentie en machinaal leren. Deze Deep Learning met Keras en TensorFlow cursus is ontworpen om u te helpen deep learning technieken te beheersen en stelt u in staat om deep learning modellen te bouwen met behulp van de Keras en TensorFlow frameworks. Deze frameworks worden gebruikt in diep neurale netwerken en machine learning onderzoek, wat weer bijdraagt aan de ontwikkeling en implementatie van kunstmatige neurale netwerken.

Belangrijkste kenmerken Deep Learning-cursus

  • 8X hogere live interactie in live o…

Lees de volledige beschrijving

Veelgestelde vragen

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Nog niet gevonden wat je zocht? Bekijk deze onderwerpen: TensorFlow, Deep Learning, Python, Data Analyse en Data Science.

Deep Learning met Keras & TensorFlow

E-learning of online klassikaal - uw keuze

Deep learning is een van de nieuwste technologische ontwikkelingen op het gebied van kunstmatige intelligentie en machinaal leren. Deze Deep Learning met Keras en TensorFlow cursus is ontworpen om u te helpen deep learning technieken te beheersen en stelt u in staat om deep learning modellen te bouwen met behulp van de Keras en TensorFlow frameworks. Deze frameworks worden gebruikt in diep neurale netwerken en machine learning onderzoek, wat weer bijdraagt aan de ontwikkeling en implementatie van kunstmatige neurale netwerken.

Belangrijkste kenmerken Deep Learning-cursus

  • 8X hogere live interactie in live online lessen door industrie-experts
  • Levensechte projecten in de industrie
  • Flexibiliteit om uw online lessen te kiezen
  • Toegewijde mentorsessie van onze experts uit de industrie

Vaardigheden die worden behandeld

  • Keras en TensorFlow Framework
  • PyTorch en zijn elementen
  • Image Classification
  • Artificial Neural Networks
  • Autoencoders
  • Deep Neural Networks
  • Conventional Neural Networks
  • Recurrent Neural Networks
  • ADAM Adagrad en Momentum

Overzicht programma

Deze Deep Learning-cursus met TensorFlow-certificeringstraining is ontwikkeld door marktleiders en afgestemd op de nieuwste best practices. Je zult deep learning concepten en modellen onder de knie krijgen met behulp van Keras en TensorFlow frameworks via deze TensorFlow cursus. Leer deep learning-algoritmen te implementeren met onze TensorFlow-training en bereid je voor op een carrière als Deep Learning Engineer. Behaal onze deep learning-certificering en krijg een voorsprong op uw collega's bij uw volgende sollicitatiegesprek.

De vraag naar ervaren Deep Learning Engineers neemt toe in een groot aantal sectoren, waardoor deze Deep Learning-cursus met Keras en Tensorflow-certificeringstraining zeer geschikt is voor professionals op gemiddeld tot gevorderd niveau. Wij bevelen deze Deep Learning certificeringstraining met name aan voor Software Engineers, Data Scientists, Data Analisten en Statistici met interesse in deep learning.

De vraag naar ervaren Deep Learning Engineers groeit in een groot aantal sectoren, waardoor deze Deep Learning-certificeringstraining met Keras en Tensorflow zeer geschikt is voor professionals op gemiddeld tot gevorderd niveau. Wij bevelen deze Deep Learning certificatietraining met name aan voor Software Engineers, Data Scientists, Data Analisten en Statistici met interesse in deep learning.

Programma kenmerken:

  • 34 uur blended learning
  • Een op de industrie gebaseerd eindexamenproject
  • Interactief leren met Jupyter notebooks geïntegreerde labs
  • Specifieke mentorsessie van faculteit van industrie-experts

Wijze van levering van dit opleidingsprogramma

Het programma biedt een unieke oplossing ‘blended learning’: E-learning geïntegreerd met online zelfstudie en live virtuele klassikale cursussen. Naast e-learning heeft u tijdens de online klassikale lessen contact met de trainer en andere deelnemers. U kunt al uw vragen stellen. Als u wilt deelnemen, hebben we een aantal sessies die u kunt bijwonen en we nemen de sessies ook op. U zult nooit de kans missen om deel te nemen.

Doelgroep:

  • Software- en IT-professionals met interesse in analytics
  • Data scientists/ Gegevenswetenschappers
  • Bedrijfs-/gegevensanalisten die technieken voor diep leren willen begrijpen
  • Statistici met interesse in deep learning

Belangrijkste leerresultaten:

Wanneer u deze deep learning cursus afrondt, zult u het volgende kunnen bereiken:

  • Begrijp de concepten van Keras en TensorFlow, de belangrijkste functies, bewerkingen en de uitvoeringspijplijn.
  • Implementeer deep learning-algoritmen, begrijp neurale netwerken en doorkruis de lagen van gegevensabstractie.
  • Beheers en begrijp geavanceerde onderwerpen zoals convolutionaire neurale netwerken, terugkerende neurale netwerken, het trainen van diepe netwerken en interfaces op hoog niveau.
  • Met behulp van Keras en TensorFlow modellen voor deep learning bouwen en de resultaten interpreteren.
  • De taal en fundamentele concepten van kunstmatige neurale netwerken, de toepassing van autoencoders, en Pytorch en zijn elementen begrijpen.
  • Problemen oplossen en deep learning-modellen verbeteren
  • Bouw uw eigen deep learning-project
  • Onderscheid maken tussen machinaal leren, diep leren en kunstmatige intelligentie.

Na succesvolle afronding van de Deep Learning-cursus met TensorFlow-certificeringstraining krijgt u een door de industrie erkend certificaat voor de afronding van de Deep Learning-certificeringstraining dat levenslang geldig is.

Certificeringsdetails en -criteria:

  • Ten minste 85 procent aanwezigheid bij één live virtueel klaslokaal.
  • Een score van ten minste 75 procent in de eindevaluatie van de cursus
  • Succesvolle evaluatie van het project aan het eind van de cursus

Cursusprogramma:

Les 01 - Cursus Introductie

  • Introductie

Les 02 - AI en Deep learning inleading

  • Wat is AI en diep leren?
  • Korte geschiedenis van AI
  • Samenvatting: SL, UL en RL
  • Deep Learning: Successen in het afgelopen decennium
  • Demo en discussie: Objectdetectie voor zelfrijdende auto's
  • Toepassingen van Deep Learning
  • Uitdagingen van Deep Learning
  • Demo en discussie: Sentimentanalyse met behulp van LSTM
  • Volledige cyclus van een Deep Learning-project
  • Belangrijkste resultaten
  • Kennischeck

Les 03 - Artificial Neural Network

  • Biologisch neuron versus perceptron
  • Ondiep neuraal netwerk
  • Een perceptron trainen
  • Demo code #1: Perceptron (lineaire classificatie)
  • Backpropagatie
  • Rol van activeringsfuncties en backpropagatie
  • Demo Code #2: Activeringsfunctie
  • Demo Code #3: Backpropagatie Illustratie
  • Optimalisatie
  • Regularisatie
  • Uitvallaag
  • Demo Code #4: Uitvalillustratie, einde oefening (Classificatie Kaggle Dataset)
  • Belangrijkste resultaten
  • Kenniscontrole
  • Einde project

Les 04 - Deep Neural Network & Tools

  • Diepe Neurale Netwerken: Waarom en toepassingen
  • Een diep neuraal netwerk ontwerpen
  • Hoe kiest u uw verliesfunctie?
  • Hulpmiddelen voor Deep Learning-modellen
  • Keras en zijn elementen
  • Demo code #5: Een diep lerend model bouwen met Keras
  • Tensorflow en zijn ecosysteem
  • Demo code #6: Een diep lerend model bouwen met behulp van Tensorflow
  • TFlearn
  • Pytorch en zijn elementen
  • Demo code #7: Een model voor diep leren bouwen met Pytorch
  • Demo code #8: Les einde oefening
  • Belangrijkste resultaten
  • Kenniscontrole
  • Einde van de les Project

Les 05 - Deep Neural Net optimization, tuning, interpretability

  • Optimalisatie-algoritmen
  • SGD, Momentum, NAG, Adagrad, Adadelta, RMSprop, Adam
  • Demo code #9: MNIST Dataset
  • Batch-normalisatie
  • Demo code #10
  • Exploderende en verdwijnende kleurverlopen
  • Hyperparameter afstellen
  • Demo code #11
  • Interpretabiliteit
  • Demo Code#12: MNIST- Einde project met interpretatie lessen
  • Breedte vs. diepte
  • Belangrijkste resultaten
  • Kennis Check
  • Einde project

Les 06 - Convolutional Neural Net

  • Succes en geschiedenis
  • CNN-netwerkontwerp en -architectuur
  • Demo code #13: Keras
  • Demo code #14: Classificatie van twee soorten afbeeldingen (Kaggle), met behulp van Keras
  • Diepe revolutionaire modellen
  • Belangrijkste resultaten
  • Kennis Check
  • Einde project

Les 07 - Recurrent Neural Networks

  • Volgordegegevens
  • Gevoel voor tijd
  • RNN inleiding
  • Demo code #15: Voorspelling van aandelenkoersen met RNN
  • LSTM (Dataset detailhandel Kaggle)
  • Demo Code #16:
  • Woordinbedding en LSTM
  • Demo Code #17: Sentimentanalyse (filmrecensie)
  • GRU's
  • LSTM vs GRU's
  • Demo Code #18: Filmrecensie (Kaggle), LSTM-project)
  • Belangrijkste conclusies
  • Kennis Check
  • Einde project

Les 08 - Autoencoders

  • Inleiding tot Autoencoders
  • Toepassingen van auto-encoders
  • Autoencoder voor anomaliedetectie
  • Demo code #19: Autoencodermodel voor MNIST-gegevens
  • Belangrijkste conclusies
  • Kennis Check
  • Einde project

Eindproject van de cursus:

Project: Classificatiemodel voor huisdieren met behulp van CNN

De cursus omvat een industrieel project uit de echte wereld. Succesvolle evaluatie van het volgende project maakt deel uit van de certificeringscriteria:

  • In dit project bouw je een CNN-model dat de gegeven afbeeldingen van huisdieren correct classificeert in afbeeldingen van honden en katten. Het codesjabloon wordt gegeven met essentiële codeblokken. TensorFlow kan worden gebruikt om de gegevens te trainen en de nauwkeurigheidsscore te berekenen op de testgegevens.

Blijf op de hoogte van nieuwe ervaringen

Er zijn nog geen ervaringen.

Deel je ervaring

Heb je ervaring met deze cursus? Deel je ervaring en help anderen kiezen. Als dank voor de moeite doneert Springest € 1,- aan Stichting Edukans.

Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.

Download gratis en vrijblijvend de informatiebrochure

(optioneel)
(optioneel)
(optioneel)
(optioneel)

Heb je nog vragen?

(optioneel)
We slaan je gegevens op om je via e-mail en evt. telefoon verder te helpen.
Meer info vind je in ons privacybeleid.