Artificial Neural Network for Regression

via Udemy

Aperçu

Plongez dans le monde de l'Intelligence Artificielle avec notre cours de pointe sur "Réseau de Neurones Artificiels pour la Régression", proposé via Udemy. Ce cours minutieusement conçu vise à vous doter des connaissances et compétences pour construire un modèle de régression ANN afin de prédire avec précision la production d'énergie électrique d'une Centrale Électrique à Cycle Combiné.

Points forts du cours :

Maîtriser la mise en œuvre des Réseaux de Neurones Artificiels en Python.
Comprendre les principes et applications de la Régression.
Explorer les fonctionnalités de Google Colab pour un calcul efficace.

Rejoignez le virtuose de l'IA, Hadelin de Ponteves, pour un parcours complet à travers la création d'un modèle de régression ANN à partir de zéro. Ce cours est structuré pour renforcer vos compétences en Deep Learning en s'engageant dans des activités pratiques qui impliquent de résoudre des défis du monde réel.

Ce cours gratuit vous guide à travers une étude de cas centrée sur la prédiction de la production nette d'énergie électrique horaire (EP) d'une Centrale Électrique à Cycle Combiné en utilisant les variables ambiantes moyennes horaires disponibles. De la prétraitement des données à l'entraînement du modèle, apprenez chaque étape en détail avec l'aide de Tensorflow 2.0 et Google Colab, l'environnement informatique révolutionnaire basé sur le cloud.

Structure du cours :

Partie 1 : Prétraitement des données - Importation des données, division de l'ensemble de données en ensembles de formation et de test.
Partie 2 : Construction d'un ANN - Initialisation, ajout de couches, et compilation de l'ANN.
Partie 3 : Entraînement de l'ANN - Entraînement du modèle, prédiction des résultats sur l'ensemble de test.

De plus, obtenez des informations précieuses sur le fonctionnement et l'efficacité des Centrales à Cycle Combiné. Découvrez comment les CCC exploitent à la fois les Turbines à Gaz (GT) et les Turbines à Vapeur (ST) pour produire nettement plus d'énergie électrique que leurs homologues à cycle unique, les rendant une étude vitale dans la production d'énergie.

Les catégories incluent les cours sur Python, l'Apprentissage Profond, les Réseaux Neuronaux et l'Analyse de Régression, présentant un chemin d'apprentissage complet pour quiconque désireux de plonger dans le monde de l'IA et de l'apprentissage machine.