Xây dựng mô hình học sâu với TensorFlow

Khóa học này có 5 phần.

Phần lớn dữ liệu trên thế giới là không được gắn nhãn và không có cấu trúc. Các mạng nơ-ron nông không thể dễ dàng nắm bắt cấu trúc liên quan trong, chẳng hạn như hình ảnh, âm thanh và dữ liệu văn bản. Các mạng sâu có khả năng phát hiện các cấu trúc ẩn trong loại dữ liệu này. Trong khóa học này, bạn sẽ sử dụng thư viện TensorFlow để áp dụng học sâu vào các loại dữ liệu khác nhau nhằm giải quyết các vấn đề thực tế.

Những gì bạn sẽ học:

• Giải thích các khái niệm cơ bản về TensorFlow như các chức năng chính, các phép toán và các pipeline thực thi.
• Mô tả cách TensorFlow có thể được sử dụng trong khớp đường cong, hồi quy, phân loại và giảm thiểu các hàm lỗi.
• Phân tích các loại Kiến trúc Sâu khác nhau, như Mạng Nơ-ron Tích chập (Convolutional Networks), Mạng Hồi quy (Recurrent Networks) và Autoencoders.
• Áp dụng TensorFlow cho quá trình lan truyền ngược (backpropagation) để điều chỉnh trọng số và độ lệch trong quá trình huấn luyện Mạng Nơ-ron.