WalkSelf · IA, Tecnología e Ingeniería · IA y Machine Learning

Deep Learning

Sumérgete en el mundo de las redes neuronales artificiales. Aprende a construir, entrenar y optimizar modelos de deep learning para tareas complejas utilizando frameworks como TensorFlow y PyTorch.

Deep Learning

Redes neuronales con Keras: Explorando el conjunto de datos Echidna

Configuración de modelos de Keras para aprendizaje profundo

Clasificación binaria con PyTorch: un desafío práctico paso a paso

Aprendizaje profundo: solucione problemas de modelos para un mejor rendimiento

Entrenamiento eficiente de redes neuronales con descenso de gradiente en minilotes

Descenso de gradiente para redes neuronales: una introducción práctica

Optimizadores de Keras: Mejore la precisión del modelo de aprendizaje profundo

Ajuste de hiperparámetros de redes neuronales para una mejor precisión del modelo

Autoencoders: Fundamentos de aprendizaje profundo y aplicaciones prácticas

Optimización de modelos de Keras con ajuste de hiperparámetros

Fundamentos del bucle de entrenamiento de PyTorch: Construya modelos eficientes

Inferencia de TensorFlow: Hacer predicciones

Guardar modelos de TensorFlow: puntos de control y SavedModel

Actualizaciones de peso de red neuronal con descenso de gradiente

Estructuración de las canalizaciones de datos de TensorFlow con búferes de protocolo

Arquitecturas CNN: Logits y agrupación de promedios globales

Fundamentos de la propagación de retroalimentación en redes neuronales

Fundamentos de evaluación y validación de modelos de PyTorch

Creación de celdas LSTM personalizadas en PyTorch

Concatenación y manipulación de tensores para aprendizaje profundo

Aprendizaje profundo con conexiones de salto: Fundamentos de ResNet y DenseNet

Proyectos de Transferencia de Aprendizaje: Clasificación de Imágenes con Modelos Preentrenados

Optimización de redes neuronales: Ajuste de la tasa de aprendizaje en Python

Entrenamiento de Redes Neurales: Retropropagación y Afinación de Hiperparámetros