商品説明
このコースの目標は、現代のニューラルネットワークと、コンピュータビジョンおよび自然言語理解におけるそのアプリケーションの基本的な理解を学習者に提供することです。 このコースは、線形モデルの要約と、ディープニューラルネットワークのトレーニングに不可欠な確率的最適化手法の説明から始まります。 学習者は、完全に接続された層、たたみ込み層および再帰層を含む、ニューラルネットワークのすべての一般的なビルディングブロックを学習します。
学習者は、これらのビルディングブロックを使用して、TensorFlowおよびKerasフレームワークで複雑な最新のアーキテクチャを定義します。 コースでは、プロジェクトの学習者は、画像キャプションのタスクにディープニューラルネットワークを実装し、入力画像にテキストによる説明を与えるという問題を解決します。
このコースの前提条件は次のとおりです。
1）Pythonの基本的な知識。
2）基本的な線形代数と確率。
これは上級コースであり、機械学習の基本的な知識があることを前提としています。 あなたは理解する必要があります：
1）線形回帰：平均二乗誤差、分析解。
2）ロジスティック回帰：モデル、クロスエントロピー損失、クラス確率推定。
3）線形モデルの勾配降下。 MSEの導関数とクロスエントロピー損失関数。
4）過剰適合の問題。
5）線形モデルの正則化。
技術的な問題はありますか？ 私たちに書いてください：coursera@hse.ru
価格：無料で登録！
言語： 英語
字幕: 英語、韓国語