Специализация Coursera TensorFlow полностью доступна

Четвертый и последний курс специализации Coursera TensorFlow теперь доступен с модулями по последовательностям, временным рядам и прогнозированию. У Coursera есть еще две новые специализации в смежных областях.

Последовательности, временные ряды и прогнозирование завершают специализацию «Практика TensorFlow». Это четырехмесячная программа среднего уровня, предназначенная для разработчиков программного обеспечения, которые хотят создавать алгоритмы на основе искусственного интеллекта с использованием TensorFlow, инфраструктуры искусственного интеллекта, созданной Google и теперь имеющей открытый исходный код.

Мы впервые сообщили об этой специализации ML (машинное обучение), которая является результатом сотрудничества между компанией Эндрю Нг, deeplearning.ai, и командой Google TensorFlow, когда первый вводный курс был запущен в марте, см. TensorFlow для начинающих от Coursera. Теперь, когда доступны все курсы, специализация TensorFlow на практике имеет следующие результаты обучения:

Лучшие практики для TensorFlow, популярной среды машинного обучения с открытым исходным кодом для обучения нейронной сети для приложений компьютерного зрения.

Обрабатывайте данные реальных изображений и изучайте стратегии предотвращения переобучения, в том числе увеличения и исключения.

Создавайте системы обработки естественного языка с помощью TensorFlow.

Применяйте RNN, GRU и LSTM по мере их обучения с использованием текстовых репозиториев.

Он состоит из следующих курсов:

Введение в TensorFlow для искусственного интеллекта, машинного обучения и глубокого обучения

Сверточные нейронные сети в TensorFlow

Обработка естественного языка в TensorFlow

Последовательности, временные ряды и прогноз

Предварительные условия для этого последнего и окончательного модуля – пройти первые 3 курса специализации TensorFlow, чтобы иметь удобное программирование на Python и математику на уровне средней школы. он имеет следующие результаты обучения:

Решение временных рядов и задач прогнозирования в TensorFlow

Подготовьте данные для изучения временных рядов, используя лучшие практики

Узнайте, как RNN и ConvNets могут использоваться для прогнозов

Создайте модель прогнозирования солнечных пятен с использованием реальных данных

Если вы хотите продвинуться дальше в области нейронных сетей, специализация Coursera Deep Learning Specialization, также от deeplearning.ai, включает пять курсов продолжительностью от 2 до 4 недель каждый (всего 77 часов) от среднего до продвинутого уровня. Если вам нужно больше знаний в области машинного обучения в качестве подготовки, популярный курс Эндрю Нг по машинному обучению по-прежнему доступен в виде бесплатного отдельного курса.

Coursera недавно добавила две другие специализации в тесно связанных областях искусственного интеллекта и обучения с подкреплением.

Прикладной ИИ: искусственный интеллект со специализацией IBM Watson, предлагаемый IBM, состоит из шести курсов для начинающих по 4-5 недель каждый. Его рекламное объявление гласит:

Вместо того, чтобы создавать сложные алгоритмы ИИ и интерфейсы с нуля, учащиеся будут использовать службы ИИ IBM Watson и API-интерфейсы для создания интеллектуальных приложений с минимальным кодированием. К концу этой специализации учащиеся завершат несколько проектов, демонстрирующих владение прикладным искусственным интеллектом.

Специализация по обучению с подкреплением поступила от Университета Альберты и состоит из четырех курсов по 4-5 недель каждый на среднем уровне. Его результаты обучения:

Создайте систему обучения с подкреплением для последовательного принятия решений.

Изучите пространство алгоритмов RL (временное обучение, Монте-Карло, Сарса, Q-обучение, Градиенты политики, Dyna и другие).

Поймите, как формализовать вашу задачу как проблему обучения с подкреплением и как приступить к реализации решения.

Понять, как RL вписывается в более широкий круг машинного обучения и как он дополняет глубокое обучение, контролируемое и неконтролируемое обучение.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *