Die University Network

Deep Neural Networks verbessern: Hyperparameter-Tuning, Regularisierung und Optimierung

BESCHREIBUNG

In diesem Kurs lernen Sie die „Magie“, tiefes Lernen zum Funktionieren zu bringen. Anstatt dass der Deep-Learning-Prozess eine Black Box ist, werden Sie verstehen, was die Leistung antreibt, und in der Lage sein, systematischer gute Ergebnisse zu erzielen. Sie werden auch TensorFlow lernen.

Nach 3 Wochen werden Sie:
- Best Practices der Branche zum Erstellen von Deep-Learning-Anwendungen verstehen.
- Sie können die gängigen „Tricks“ des neuronalen Netzwerks effektiv anwenden, einschließlich Initialisierung, L2- und Dropout-Regularisierung, Chargennormalisierung, Gradientenprüfung,
- Sie können eine Vielzahl von Optimierungsalgorithmen wie Mini-Batch-Gradientenabstieg, Momentum, RMSprop und Adam implementieren und anwenden und deren Konvergenz überprüfen.
- Verstehen Sie neue Best Practices für das Deep-Learning-Zeitalter, wie Sie Zug- / Entwicklungs- / Testsätze einrichten und Voreingenommenheit / Varianz analysieren
- Sie können ein neuronales Netzwerk in TensorFlow implementieren.

Dies ist der zweite Kurs der Deep Learning-Spezialisierung.

Preis: Kostenlos anmelden!

Sprache: Englisch

Untertitel: Chinesisch (traditionell), Chinesisch (vereinfacht), Koreanisch, Türkisch, Englisch, Spanisch

Deep Neural Networks verbessern: Hyperparameter-Tuning, Regularisierung und Optimierung - deeplearning.ai