Mastering Neural Networks and Model Regularization
Coursera
24 Cursos
Johns Hopkins University is a globally recognized research university comprising 9 schools and campuses worldwide. It provides more than 260 degree programs, ranging from undergraduate to graduate and postdoctoral studies.
Resumen
El curso "Dominando Redes Neuronales y Regularización de Modelos" se adentra profundamente en los fundamentos y técnicas avanzadas de las redes neuronales, desde la comprensión de modelos basados en perceptrón hasta la implementación de redes neuronales convolucionales (CNNs) de vanguardia. Este curso ofrece experiencia práctica con conjuntos de datos del mundo real, como MNIST, y se centra en aplicaciones prácticas utilizando el marco de PyTorch.
Los estudiantes explorarán técnicas clave de regularización como L1, L2, y drop-out para reducir el sobreajuste del modelo, así como la poda de árboles de decisión. Lo que hace que este curso sea único es su énfasis en construir redes neuronales desde cero, permitiendo a los estudiantes comprender los detalles intrincados del diseño y entrenamiento de modelos.
Además, el curso cubre gráficos computacionales, funciones de activación y pérdida, y cómo utilizar GPUs de manera eficiente para un cálculo más rápido. Los estudiantes también explorarán CNNs para el procesamiento de imágenes y audio, obteniendo conocimientos sobre aplicaciones de vanguardia en estos campos.
Al completar este curso, los estudiantes desarrollarán habilidades avanzadas en el diseño de redes neuronales, regularización de modelos y el uso de PyTorch para tareas de aprendizaje profundo, lo que les permitirá enfrentar desafíos complejos de aprendizaje automático con confianza.
Universidad: Universidad Johns Hopkins
Proveedor: Coursera
Categorías: Cursos de Aprendizaje Automático, Cursos de Aprendizaje Profundo, Cursos de Redes Neuronales, Cursos de PyTorch
