07.01.2017       Выпуск 159 (02.01.2017 - 08.01.2017)       Учебные материалы

Онлайн курс "Программирование глубоких нейронных сетей на Python"

Небольшой онлайн-курс про то, что такое нейронные сети, глубокие нейронные сети и как пользоваться питоновскими библиотеками для Deep Learning. Упор делается на Keras.
Курс состоит из видеолекций и практических работ.

Читать>>



Экспериментальная функция:

Ниже вы видите текст статьи по ссылке. По нему можно быстро понять ссылка достойна прочтения или нет

Просим обратить внимание, что текст по ссылке и здесь может не совпадать.

Глубокие нейронные сети в настоящее время являются одним из самых популярных методов интеллектуального анализа данных. Почти во всех предметных областях они показывают более качественные результаты, по сравнению с другими методами машинного обучения.

Отличительная особенность курса заключается в том, что он ориентирован на практическое использование нейронных сетей, а не изучение их внутреннего устройства. Для понимания курса не требуется глубокое знание математики. Курс рассчитан на программистов, способных успешно применять существующие библиотеки глубоких нейронных сетей для решения практических задач анализа изображений и текстов.

Структура курса

Курс остоит из видеолекций и практических работ.

В лекциях изложены теоретические основы работы глубоких нейронных сетей и особенности их обучения, описаны популярные в настоящее время типы глубоких нейронных сетей (сверточные сети, сети долго-краткосрочной памяти (LSTM)), библиотеки для языка Python, реализующие глубокие нейронные сети (Keras, Theano, TensorFlow), а также методы использования глубоких нейронных сетей для анализа изображений и текстов.

Практические работы содержат задания для самостоятельного выполнения на анализ открытых наборов данных (MNIST, CIFAR-10 и IMDB Movie Review Dataset) с использованием глубоких нейронных сетей и примеры программ, которые можно использовать в качества образца.

Материалы курса:

  1. Введение.
  2. Лекция “Искусственные нейронные сети”.
  3. Лекция “Обучение нейронных сетей”.
  4. Лекция “Библиотеки для глубокого обучения”.
  5. Лекция “Распознавание рукописных цифр”.
  6. Лекция “Анализ качества обучения нейронной сети”.
  7. Практическая работа “Распознование рукописных цифр из набора данных MNIST на Keras”.
  8. Лекция “Сверточные нейронные сети”.
  9. Лекция “Распознавание объектов на изображениях”.
  10. Практическая работа “Распознавание объектов на изображениях с помощью Keras”.
  11. Лекция “Рекуррентные нейронные сети”.
  12. Лекция “Анализ текстов с помощью рекуррентных нейронных сетей”.
  13. Практическая работа “Определение тональности отзывов на фильмы с помощью Keras”.

Примеры программ

https://github.com/sozykin/dlpython_course.

Необходимое программное обеспечение

Используется библиотека Keras, а также Theano или TensorFlow в качестве вычислительного бэкенда. Все библиотеки распространяются бесплатно.

Примеры кода протестированы на Python 3 и Theano. Инструкция по установке Keras и Theano с дистрибутивом Anaconda.

Благодарности

При реализации проекта используются средства поддержки, выделенные в качестве гранта на основании конкурса, проведенного Общероссийской общественно-государственной просветительской организации «Российское общество «Знание».



Лучшая Python рассылка

Нас поддерживает


Python Software Foundation



Разместим вашу рекламу

Пиши: mail@pythondigest.ru

Нашли опечатку?

Выделите фрагмент и отправьте нажатием Ctrl+Enter.

Система Orphus