or
Deze oefening maakt deel uit van de cursus
In dit eerste hoofdstuk maak je kennis met neurale netwerken, begrijp je welke soorten problemen ze kunnen oplossen en wanneer je ze gebruikt. Je bouwt ook meerdere netwerken en redt de aarde door een regressiemodel te trainen dat de baan van een naderende meteoor benadert!
Aan het einde van dit hoofdstuk weet je hoe je binaire, multiclass- en multilabel-problemen met neurale netwerken oplost. Dit doe je aan de hand van problemen zoals het detecteren van valse dollarbiljetten, bepalen wie welke pijl op een bord heeft gegooid, en het bouwen van een slim systeem om je boerderij te bewateren. Je kunt ook trainingsstatistieken van je model plotten en het trainen stoppen en je modellen opslaan wanneer ze niet meer verbeteren.
In de vorige hoofdstukken heb je al veel modellen getraind! Nu leer je hoe je learning curves interpreteert om je modellen te begrijpen terwijl ze trainen. Je visualiseert ook de effecten van activatiefuncties, batchgroottes en batch-normalization. Tot slot leer je hoe je automatische hyperparameteroptimalisatie uitvoert op je Keras-modellen met sklearn.
Huidige oefening
Tijd voor meer geavanceerde architecturen! Je maakt een autoencoder om ruis uit afbeeldingen te reconstrueren, visualiseert activaties van convolutionele neurale netwerken, gebruikt diepe voorgetrainde modellen om afbeeldingen te classificeren en leert meer over recurrente neurale netwerken en werken met tekst terwijl je een netwerk bouwt dat het volgende woord in een zin voorspelt.