Collection Andrew Ng Notes
Il s'agit du premier cours de la spécialisation en profondeur de Coursera qui est modéré par Deeplearning.ai. Le cours est enseigné par Andrew Ng.
Notes de carnet d'apprentissage automatique Andrew Ng: lecture
Notes de spécialisation en profondeur en un PDF: lecture
| SR NON | Lecture d'article |
|---|
| 1 et 1 | Réseau neuronal Deep Learning |
| 2 | Amélioration du réseau d'apprentissage en profondeur |
| 3 et 3 | Structure des projets ML |
| 4 | Convolutions Network Network |
| 5 | Modèles de séquence |
| Sr. Non | Lien de conférence MOOC |
|---|
| 1 et 1 | Apprentissage automatique par Andrew-NG |
| Série d'apprentissage en profondeur |
| 1 et 1 | Réseau neuronal et apprentissage en profondeur |
| 2 | Amélioration des réseaux de neurones profonds: réglage, régularisation et optimisation de l'hyperparamètre |
| 3 et 3 | Structurer les projets d'apprentissage automatique |
| 4 | Réseau neuronal de convolution |
| 5 | Modèles de séquence |
| 6. | CS230: Deep Learning | Automne 2018 |
1.Assurant le réseau en profondeur
- Ces notes vous donnent une brève introduction sur:
- Qu'est-ce que le réseau neuronal? Comment ça marche?
- Apprentissage supervisé à l'aide du réseau neuronal
- Conception de réseau neuronal peu profond
- Réseau neuronal profond
- Cahiers :
- Semaine1 - Introduction à l'apprentissage en profondeur
- Week2 - Bases sur les réseaux de neurones
- Semaine3 - Réseaux de neurones peu profonds
- Semaine4 - Réseaux de neurones profonds
2 Amélioration du réseau d'apprentissage en profondeur
- Ces notes vous donnent une introduction sur:
- Aspects pratiques de l'apprentissage en profondeur
- Algorithmes d'optimisation
- Cadres de réglage de l'hyperparamètre, de normalisation par lots et de programmes
- Cahiers :
- Semaine1 - Aspects pratiques de l'apprentissage en profondeur
- Configuration de votre application d'apprentissage automatique
- Régulariser votre réseau neuronal
- Configuration de votre problème d'optimisation
- Week2 - Algorithmes d'optimisation
- Semaine3 - Cadres de réglage de l'hyperparamètre, de normalisation par lots et de programmation
3. Projets ML Structure
- Dans ces notes, vous pouvez savoir comment structurer le projet d'apprentissage automatique:
- Pourquoi la structure ML?
- Analyse des erreurs
- Cahiers:
- Semaine1 - Introduction à la stratégie ML
- Configuration de votre objectif
- Par rapport aux performances au niveau de l'homme
- Week2 - Stratégie ML (2)
- Analyse des erreurs
- Formation incompatible et ensemble de tests de développement
- Apprendre de plusieurs tâches
- Apprentissage en profondeur de bout en bout
4. CONVOLUTION NETALURE NEAURAL
- Multiplication de la matrice entre l'image et le noyau connu sous le nom de Convolution Operation
- Dans ces notes, vous pouvez en apprendre davantage sur la brève architecture CNN:
- Fondements de CNNS
- Modèles convolutionnels profonds: études de cas
- Détection d'objet
- Applications spéciales: Reconnaissance du visage et transfert de style neuronal
- Cahiers:
- Semaine1 - Fondations des réseaux de neurones convolutionnels
- Semaine2 - Modèles convolutionnels profonds: études de cas
- Papiers à lire:
- Classification ImageNet avec des réseaux de neurones convolutifs profonds
- Réseaux convolutionnels très profonds pour la reconnaissance d'image à grande échelle
- Semaine3 - Détection d'objet
- Papiers à lire:
- Vous ne regardez qu'une seule fois: détection d'objets unifiés en temps réel
- Yolo
- Semaine4 - Applications spéciales: Reconnaissance du visage et transfert de style neuronal
- Papiers à lire:
- Deepface ( Notebook )
- Facenet
- Transfert de style neuronal
5. Modèles de séquence
Merci d'avoir lu .... bonne apprentissage ... !!!
