Mastering Neural Networks and Model Regularization
Coursera
18 Cours
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.
Aperçu
Le cours "Maîtriser les Réseaux Neuraux et la Régularisation des Modèles" explore en profondeur les fondamentaux et les techniques avancées des réseaux neuraux, de la compréhension des modèles basés sur le perceptron à la mise en œuvre des réseaux neuraux convolutionnels (CNNs) de pointe. Ce cours offre une expérience pratique avec des jeux de données réels, tels que MNIST, et se concentre sur des applications pratiques utilisant le framework PyTorch.
Les apprenants exploreront des techniques de régularisation clés comme L1, L2, et drop-out pour réduire le surapprentissage des modèles, ainsi que l'élagage d'arbres de décision. Ce qui rend ce cours unique, c'est son accent sur la construction de réseaux neuraux à partir de zéro, permettant aux apprenants de comprendre les détails complexes de la conception et de l'entraînement des modèles.
En outre, le cours couvre les graphes computationnels, les fonctions d'activation et de perte, et comment utiliser efficacement les GPU pour des calculs plus rapides. Les apprenants se plongeront également dans les CNNs pour le traitement d'images et de sons, acquérant des connaissances sur les applications de pointe dans ces domaines.
En complétant ce cours, les apprenants développeront des compétences avancées en conception de réseaux neuraux, régularisation des modèles et utilisation de PyTorch pour des tâches de deep learning—leur permettant de relever des défis complexes d'apprentissage automatique en toute confiance.
Université : Université Johns Hopkins
Fournisseur : Coursera
Catégories : Cours d'Apprentissage Automatique, Cours de Deep Learning, Cours de Réseaux Neuraux, Cours de PyTorch
