เป้าหมายของหลักสูตรนี้คือเพื่อให้ผู้เรียนมีความเข้าใจพื้นฐานเกี่ยวกับเครือข่ายประสาทเทียมสมัยใหม่และการประยุกต์ใช้ในการมองเห็นด้วยคอมพิวเตอร์และความเข้าใจภาษาตามธรรมชาติ หลักสูตรเริ่มต้นด้วยการสรุปแบบจำลองเชิงเส้นและการอภิปรายเกี่ยวกับวิธีการเพิ่มประสิทธิภาพสุ่มที่มีความสำคัญสำหรับการฝึกอบรมเครือข่ายประสาทเทียมในระดับลึก ผู้เรียนจะได้ศึกษากลุ่มส่วนประกอบที่เป็นที่นิยมทั้งหมดของเครือข่ายประสาทเทียมรวมถึงเลเยอร์ที่เชื่อมต่อกันอย่างสมบูรณ์เลเยอร์ Convolutional และการเกิดซ้ำ
ผู้เรียนจะใช้หน่วยการสร้างเหล่านี้เพื่อกำหนดสถาปัตยกรรมสมัยใหม่ที่ซับซ้อนในกรอบงาน TensorFlow และ Keras ในหลักสูตรผู้เรียนโครงงานจะใช้โครงข่ายประสาทเทียมแบบลึกสำหรับงานของคำบรรยายภาพซึ่งช่วยแก้ปัญหาในการให้คำอธิบายข้อความสำหรับภาพอินพุต
ข้อกำหนดเบื้องต้นสำหรับหลักสูตรนี้คือ:
1) ความรู้พื้นฐานของ Python
2) พีชคณิตเชิงเส้นพื้นฐานและความน่าจะเป็น
โปรดทราบว่านี่เป็นหลักสูตรขั้นสูงและเราถือว่ามีความรู้พื้นฐานเกี่ยวกับแมชชีนเลิร์นนิง คุณควรเข้าใจ:
1) การถดถอยเชิงเส้น: ค่าเฉลี่ยข้อผิดพลาดกำลังสองวิธีการวิเคราะห์
2) การถดถอยโลจิสติก: แบบจำลองการสูญเสียข้ามเอนโทรปีการประมาณความน่าจะเป็นของชั้นเรียน
3) การไล่ระดับสีสำหรับโมเดลเชิงเส้น อนุพันธ์ของ MSE และฟังก์ชันการสูญเสียข้ามเอนโทรปี
4) ปัญหาของการติดตั้งมากเกินไป
5) การทำให้เป็นมาตรฐานสำหรับแบบจำลองเชิงเส้น
คุณมีปัญหาทางเทคนิคหรือไม่? เขียนถึงเรา: coursera@hse.ru