Погрузитесь в мир нейронных сетей с этим обширным курсом на Python. Изучите историю, структуру и принципы работы полносвязных нейронных сетей, начиная с персептрона и алгоритма обратного распространения. Освойте методы ускорения обучения, борьбы с переобучением и различные функции активации. Познакомьтесь с библиотекой Keras для создания и обучения нейронных сетей, включая распознавание рукописных цифр. Исследуйте сверточные нейронные сети, их архитектуры и применение в обработке изображений. Углубитесь в рекуррентные нейронные сети, включая LSTM и GRU, для работы с последовательными данными. Изучите автоэнкодеры, вариационные автоэнкодеры и генеративно-состязательные сети. Практические примеры и реализации в Keras и TensorFlow помогут закрепить теоретические знания.
Overview
Syllabus
Нейронные сети: краткая история триумфа.
Структура и принцип работы полносвязных нейронных сетей | #1 нейросети на Python.
Персептрон - возможности классификации образов, задача XOR | #2 нейросети на Python.
Back propagation - алгоритм обучения по методу обратного распространения | #3 нейросети на Python.
Ускорение обучения, начальные веса, стандартизация, подготовка выборки | #4 нейросети на Python.
Переобучение - что это и как этого избежать, критерии останова обучения | #5 нейросети на Python.
Функции активации, критерии качества работы НС | #6 нейросети на Python.
Keras - установка и первое знакомство | #7 нейросети на Python.
Keras - обучение сети распознаванию рукописных цифр | #8 нейросети на Python.
Как нейронная сеть распознает цифры | #9 нейросети на Python.
Оптимизаторы в Keras, формирование выборки валидации | #10 нейросети на Python.
Dropout - метод борьбы с переобучением нейронной сети | #11 нейросети на Python.
Batch Normalization (батч-нормализация) что это такое? | #12 нейросети на Python.
Как работают сверточные нейронные сети | #13 нейросети на Python.
Делаем сверточную нейронную сеть в Keras | #14 нейросети на Python.
Примеры архитектур сверточных сетей VGG-16 и VGG-19 | #15 нейросети на Python.
Теория стилизации изображений (Neural Style Transfer) | #16 нейросети на Python.
Делаем перенос стилей изображений с помощью Keras и Tensorflow | #17 нейросети на Python.
Как нейронная сеть раскрашивает изображения | #18 нейросети на Python.
Введение в рекуррентные нейронные сети | #19 нейросети на Python.
Как рекуррентная нейронная сеть прогнозирует символы | #20 нейросети на Python.
Делаем прогноз слов рекуррентной сетью. Embedding слой | #21 нейросети на Python.
Как работают RNN. Глубокие рекуррентные нейросети | #22 нейросети на Python.
LSTM - долгая краткосрочная память | #23 нейросети на Python.
Как делать сентимент-анализ рекуррентной LSTM сетью | #24 нейросети на Python.
Рекуррентные блоки GRU. Пример их реализации в задаче сентимент-анализа | #25 нейросети на Python.
Двунаправленные (bidirectional) рекуррентные нейронные сети | #26 нейросети на Python.
Автоэнкодеры. Что это и как работают | #27 нейросети на Python.
Вариационные автоэнкодеры (VAE). Что это такое? | #28 нейросети на Python.
Делаем вариационный автоэнкодер (VAE) в Keras | #29 нейросети на Python.
Расширенный вариационный автоэнкодер (CVAE) | #30 нейросети на Python.
Что такое генеративно-состязательные сети (GAN) | #31 нейросети на Python.
Делаем генеративно-состязательную сеть в Keras и Tensorflow | #32 нейросети на Python.
Taught by
selfedu
