Hyperparameter Tuning with Neural Network Intelligence

via Coursera

Resumen

Descubre el poder de la Inteligencia de Redes Neurales (NNI) de Microsoft en nuestro proyecto guiado de 2 horas, diseñado para equipar a los participantes con conocimientos fundamentales y habilidades prácticas en la sintonización de hiperparámetros utilizando el kit de herramientas NNI. El kit de herramientas AutoML de código abierto de Microsoft facilita la automatización de varios procesos de aprendizaje automático como la ingeniería de características, la sintonización de hiperparámetros, la búsqueda de arquitectura neural y la compresión de modelos. Esta sesión se centra en la sintonización de hiperparámetros para optimizar el rendimiento de las redes neuronales.

Los participantes obtendrán experiencia práctica con el kit de herramientas NNI, explorando sus capacidades para llevar a cabo un experimento de sintonización de hiperparámetros. Utilizando el conjunto de datos MNIST, conocido por sus imágenes de dígitos escritos a mano, los aprendices entrenarán una red neuronal básica. El proyecto tiene como objetivo ajustar varios parámetros incluyendo el tamaño del lote, tasa de aprendizaje, elección de función de activación para la capa oculta, número de unidades en la capa oculta y la tasa de abandono para mejorar la precisión del modelo.

Para beneficiarse plenamente de este proyecto guiado, es esencial tener un entendimiento competente del lenguaje de programación Python. También será beneficioso estar familiarizado con redes neuronales y marcos de trabajo como TensorFlow y Keras. Este curso está optimizado para aprendices en la región de América del Norte, con esfuerzos en marcha para extender una experiencia de aprendizaje similar a otras regiones.

Proporcionado por Coursera, este proyecto se incluye en múltiples categorías, ofreciendo una rica experiencia de aprendizaje en Programación en Python, Redes Neuronales, TensorFlow, Keras, Optimización de Hiperparámetros y Sintonización de Hiperparámetros.