Deep Learning AZ™: Hands-on kunstige neurale netværk

Lær at skabe Deep Learning-algoritmer i Python fra to Machine Learning & Data Science-eksperter. Skabeloner inkluderet.

Dette kursus inkluderer:

• 22,5 timers on-demand video
• 37 artikler
• 5 downloadbare ressourcer
• Fuld livstidsadgang
• Adgang på mobil og tv
• Certifikat for gennemførelse

Beskrivelse

Kunstig intelligens vokser eksponentielt. Det er der ingen tvivl om. Selvkørende biler kører millioner af miles, IBM Watson diagnosticerer patienter bedre end hære af læger, og Google Deepminds AlphaGo slog verdensmesteren på Go - et spil, hvor intuition spiller en nøglerolle.

Men jo længere AI udvikler sig, jo mere komplekse bliver de problemer, den skal løse. Og kun Deep Learning kan løse så komplekse problemer, og det er derfor, det er kernen i kunstig intelligens.

--- Hvorfor Deep Learning AZ? ---

Her er fem grunde til, at vi tror, at Deep Learning AZ™ virkelig er anderledes og skiller sig ud fra mængden af andre træningsprogrammer derude:

1. Robust struktur

Det første og vigtigste, vi fokuserede på, er at give kurset en robust struktur. Deep Learning er meget bred og kompleks, og for at navigere i denne labyrint har du brug for en klar og global vision af den.

Det er derfor, vi grupperede tutorials i to bind, der repræsenterer de to grundlæggende grene af Deep Learning: Supervised Deep Learning og Unsupervised Deep Learning. Med hvert bind med fokus på tre forskellige algoritmer, fandt vi ud af, at dette er den bedste struktur til at mestre Deep Learning.

2. Intuition tutorials

Så mange kurser og bøger bombarderer dig bare med teorien og matematikken og kodningen... Men de glemmer måske at forklare den vigtigste del: hvorfor du gør det du laver. Og det er sådan, dette kursus er så anderledes. Vi fokuserer på at udvikle en intuitiv *følelse* for koncepterne bag Deep Learning-algoritmer.

Med vores intuition tutorials vil du være sikker på, at du forstår alle teknikkerne på et instinktivt niveau. Og når du går videre til de praktiske kodningsøvelser, vil du selv se, hvor meget mere meningsfuld din oplevelse vil være. Dette er en game-changer.

3. Spændende projekter

Er du træt af kurser baseret på overbrugte, forældede datasæt?

Ja? Nå, så får du en godbid.

Inde i denne klasse vil vi arbejde på Real-World-datasæt for at løse Real-World-forretningsproblemer. (Absolut ikke de kedelige iris- eller cifferklassifikationsdatasæt, som vi ser i hvert kursus). På dette kursus vil vi løse seks udfordringer i den virkelige verden:

• Kunstige neurale netværk til at løse et problem med kundeafgang
• Konvolutionelle neurale netværk til billedgenkendelse
• Tilbagevendende neurale netværk til at forudsige aktiekurser
• Selvorganiserende kort for at undersøge svindel
• Boltzmann-maskiner til at skabe et anbefalingssystem
• Stablede Autoencoders* til at tage udfordringen op om Netflix $1 Million-præmien

*Stablede Autoencoders er en helt ny teknik inden for Deep Learning, som ikke engang eksisterede for et par år siden. Vi har ikke set denne metode forklaret andre steder i tilstrækkelig dybde.

4. Hands-on kodning

I Deep Learning AZ™ koder vi sammen med dig. Hver praktisk vejledning starter med en tom side, og vi skriver koden op fra bunden. På denne måde kan du følge med og forstå præcis, hvordan koden hænger sammen, og hvad hver linje betyder.

Derudover vil vi målrettet strukturere koden på en sådan måde, at du kan downloade den og anvende den i dine egne projekter. Desuden forklarer vi trin-for-trin, hvor og hvordan du ændrer koden for at indsætte DIT datasæt, for at skræddersy algoritmen til dine behov, for at få det output, du leder efter.

Dette er et kursus, der naturligt strækker sig ind i din karriere.

5. Undervisningsstøtte

Har du nogensinde taget et kursus eller læst en bog, hvor du har spørgsmål, men ikke kan nå forfatteren?

Nå, dette kursus er anderledes. Vi er fuldt ud forpligtet til at gøre dette til det mest forstyrrende og kraftfulde Deep Learning-kursus på planeten. Med det følger et ansvar for konstant at være der, når du har brug for vores hjælp.

Faktisk, da vi fysisk også har brug for at spise og sove, har vi sammensat et team af professionelle dataforskere til at hjælpe os. Hver gang du stiller et spørgsmål, vil du få et svar fra os inden for maksimalt 48 timer.

Uanset hvor kompleks din forespørgsel er, vil vi være der. Den nederste linje er, at vi ønsker, at du skal få succes.

Instruktører

Kirill Eremenko, dataforsker

Mit navn er Kirill Eremenko, og jeg er super-psyket over, at du læser dette!

Professionelt kommer jeg fra Data Science konsulentområdet med erfaring inden for finans, detailhandel, transport og andre brancher. Jeg blev uddannet af de bedste analysementorer hos Deloitte Australia, og siden jeg startede den Udemy jeg videregivet min viden til tusindvis af håbefulde dataforskere.

Fra mine kurser vil du med det samme bemærke, hvordan jeg kombinerer min virkelige erfaring og akademiske baggrund i fysik og matematik for at levere professionel trin-for-trin coaching inden for datavidenskab. En af de stærkeste sider af min undervisningsstil er, at jeg fokuserer på intuitive forklaringer, så du kan være sikker på, at du virkelig forstår selv de mest komplekse emner.

For at opsummere er jeg helt og aldeles passioneret omkring Data Science, og jeg glæder mig til at dele min passion og viden med dig!

Hadelin de Ponteves, AI-entreprenør

Hadelin er medstifter og administrerende direktør hos BlueLife AI, som udnytter kraften i banebrydende kunstig intelligens til at give virksomheder mulighed for at opnå massive overskud ved at innovere, automatisere processer og maksimere effektiviteten. Hadelin er også en online iværksætter, der har skabt topbedømte uddannelsesmæssige e-kurser til verden om emner som Machine Learning, Artificial Intelligence og Blockchain.

Ligency I-teamet hjælper dataforskere med at få succes

Hej,

Vi er Ligency-holdet. Du vil høre fra os, når nye Ligency-kurser udgives, når vi udgiver nye podcasts, blogs, deler snydeark og meget mere!

Vi er her for at hjælpe dig med at blive på forkant med datavidenskab og -teknologi.