विषय
- एआई मशीन लर्निंग और डीप लर्निंग के लिए टेन्सरफ़्लो का परिचय (deeplearning.ai द्वारा प्रस्तुत)
- नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
- प्रैक्टिस लर्निंग में सेंसरशिप (deeplearning.ai द्वारा प्रस्तुत)
- संवादात्मक तंत्रिका नेटवर्क और टेन्सरफ़्लो (deeplearning.ai द्वारा प्रस्तुत)
- GCP पर Tensorflow के साथ छवि को समझना (Google क्लाउड प्लेटफ़ॉर्म द्वारा प्रस्तुत)
- Google क्लाउड प्लेटफ़ॉर्म (Google क्लाउड प्लेटफ़ॉर्म द्वारा प्रस्तुत) पर सर्वर-रहित लर्निंग के साथ सर्वर रहित मशीन
- Tensorflow के साथ प्राकृतिक भाषा प्रसंस्करण (deeplearning.ai द्वारा प्रस्तुत)
- निष्कर्ष
ले जाओ:
Tensorflow ML में शामिल कोड फ़ंक्शंस का प्रतिनिधित्व करने और तंत्रिका नेटवर्क और अन्य ML सेटअपों में उपयोग किए जाने वाले गणितीय कार्यों की कल्पना करने के लिए ML इंजीनियर की पसंदीदा ओपन-सोर्स लाइब्रेरी में से एक है।
Tensorflow एक मशीन लर्निंग (ML) इंजीनियर की पसंदीदा ओपन-सोर्स लाइब्रेरी है, जिसमें ML में शामिल कोड फ़ंक्शंस का प्रतिनिधित्व किया जाता है, और तंत्रिका नेटवर्क और अन्य ML सेटअपों में उपयोग किए जाने वाले गणितीय कार्यों की कल्पना की जाती है।
यहां कोर्सेरा लर्निंग पोर्टल पर छह पाठ्यक्रम उपलब्ध हैं जो छात्रों को टेन्सरफ़्लो वातावरण की पूरी समझ के लिए मार्गदर्शन करते हैं।
- एआई मशीन लर्निंग और डीप लर्निंग के लिए टेन्सरफ़्लो का परिचय (deeplearning.ai द्वारा प्रस्तुत)
- प्रैक्टिस लर्निंग में सेंसरशिप (deeplearning.ai द्वारा प्रस्तुत)
- संवादात्मक तंत्रिका नेटवर्क और टेन्सरफ़्लो (deeplearning.ai द्वारा प्रस्तुत)
- GCP पर Tensorflow के साथ छवि को समझना (Google क्लाउड प्लेटफ़ॉर्म द्वारा प्रस्तुत)
- Google क्लाउड प्लेटफ़ॉर्म (Google क्लाउड प्लेटफ़ॉर्म द्वारा प्रस्तुत) पर सर्वर-रहित लर्निंग के साथ सर्वर रहित मशीन
- Tensorflow के साथ प्राकृतिक भाषा प्रसंस्करण (deeplearning.ai द्वारा प्रस्तुत)
एआई मशीन लर्निंग और डीप लर्निंग के लिए टेन्सरफ़्लो का परिचय (deeplearning.ai द्वारा प्रस्तुत)
यह पाठ्यक्रम छात्रों को यह समझने में मदद करता है कि स्केलेबल एल्गोरिदम का निर्माण कैसे किया जाए, और सीखने का काम कितना गहरा है। तंत्रिका नेटवर्क इस विविध पाठ्यक्रम का एक फोकस है जो छात्रों को काम पर Tensorflow सिद्धांतों को दिखाने के लिए विशेषज्ञ एंड्रयू एनजी के कुछ ज्ञान का उपयोग करता है।
यह एक मध्यवर्ती स्तर का पाठ्यक्रम है जो 100% ऑनलाइन है और चार सप्ताह के सुझाए गए समय सीमा के साथ पूरा होने में लगभग आठ घंटे लगते हैं।
छात्र कंप्यूटर दृष्टि के लिए एक तंत्रिका नेटवर्क को प्रशिक्षित करना सीखेंगे, टेन्सरफ़्लो सर्वोत्तम प्रथाओं को सीखेंगे, दृढ़ तंत्रिका नेटवर्क को समझना सीखेंगे और टेन्सरफ़्लो के साथ एक बुनियादी तंत्रिका नेटवर्क का निर्माण करेंगे।
मशीन सीखने के घटकों के इस प्रकार के विज़ुअलाइज़ेशन और हैंडलिंग के लिए एक चौतरफा मार्गदर्शन।
नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
जब कोई भी सॉफ़्टवेयर गुणवत्ता की परवाह नहीं करता है तो आप अपने प्रोग्रामिंग कौशल में सुधार नहीं कर सकते हैं।
प्रैक्टिस लर्निंग में सेंसरशिप (deeplearning.ai द्वारा प्रस्तुत)
चार मॉड्यूल छात्रों को कृत्रिम बुद्धिमत्ता (एआई) अनुप्रयोगों का पता लगाने में मदद करते हैं और वे कैसे बनाए जाते हैं। निर्माण और प्रशिक्षण तंत्रिका नेटवर्क इस पाठ्यक्रम का हिस्सा है, और छात्रों को अत्याधुनिक प्रसंस्करण और वर्गीकरण क्षमताओं को सुविधाजनक बनाने के लिए, छवि प्रसंस्करण में दृढ़ संकल्प का उपयोग करना सीखेंगे।
छात्रों को एक फर्स्टहैंड लुक मिल सकता है कि कैसे मशीनें प्रोसेस करना सीखती हैं और कैसे तंत्रिका नेटवर्क इनपुट डेटा को संभालती हैं।
हैंड्स-ऑन एलिमेंट्स ओ कोर्स दिखाते हैं कि वास्तविक दुनिया में इस प्रकार की प्रौद्योगिकियां कैसे काम करती हैं। इस ऑनलाइन कोर्स को पूरा होने में लगभग एक महीने का समय लगता है और यह एक मध्यवर्ती स्तर का कोर्स है।
संवादात्मक तंत्रिका नेटवर्क और टेन्सरफ़्लो (deeplearning.ai द्वारा प्रस्तुत)
यह पाठ्यक्रम विशेष रूप से दृढ़ तंत्रिका नेटवर्क पर केंद्रित है, जो मशीन सीखने की दुनिया में एक विशिष्ट प्रकार की अवधारणा है। सीएनएन, जैसा कि इसे कहा जाता है, तंत्रिका नेटवर्क के भीतर विभिन्न परतों के उपयोग के माध्यम से छवि प्रसंस्करण को संभालती है।
छवियों को फ़िल्टर करने और सर्वेक्षण करने के लिए स्ट्राइडिंग और पैडिंग जैसी तकनीकों का उपयोग किया जाता है, और सिस्टम को अंततः कंप्यूटर या किसी छवि के अन्य पहलुओं की पहचान करने के लिए प्रशिक्षित करने के लिए जानकारी फ़नल हो जाती है।
छात्र इस बारे में जानेंगे कि एक कंप्यूटर "सूचना" कैसे देखता है, और कौन से विशिष्ट संचालन प्रभावी छवि प्रसंस्करण और पहचान कार्यों के लिए जाते हैं।
छात्र चेहरे की पहचान, उत्पाद विकास और अधिक के लिए सीएनएन क्षमताओं को बनाने और बनाए रखने में सर्वोत्तम प्रथाओं की खोज में प्लॉट लॉस, ओवरफिटिंग और ड्रॉप आउट जैसी विभिन्न समस्याओं के बारे में जानेंगे।
ट्रांसफर लर्निंग भी इस सिलेबस का हिस्सा होगा, और छात्र सफल परिमाण के एक घटक के रूप में फीचर निष्कर्षण और सुविधा चयन के बारे में अधिक जानेंगे।
यह मध्यवर्ती स्तर का पाठ्यक्रम सभी ऑनलाइन है और चार सप्ताह के सुझाए गए पाठ्यक्रम समय सीमा के साथ पूरा करने में लगभग सात घंटे लगते हैं।
GCP पर Tensorflow के साथ छवि को समझना (Google क्लाउड प्लेटफ़ॉर्म द्वारा प्रस्तुत)
यह उन्नत मशीन लर्निंग कोर्स विशेष रूप से Google क्लाउड को ध्यान में रखकर बनाया गया है। यह शीर्ष वातावरण कई डेवलपर्स के लिए नवीनतम और सर्वश्रेष्ठ एमएल कार्यक्रमों को तैयार करने के लिए एक जाना है।
यह पाठ्यक्रम छात्रों को एक साथ छवि क्लासिफायरियर बनाने के लिए अलग-अलग रणनीति दिखाएगा और उन्हें दृढ़ तंत्रिका नेटवर्क के निर्माण को समझने में मदद करेगा। फ़ीचर निष्कर्षण और चयन भी इस पाठ्यक्रम के फोकस का हिस्सा हैं, और छात्रों को प्रशिक्षण मिलेगा कि वे ओवरफिटिंग और संबंधित समस्याओं को कैसे रोकें।
हाथों के घटकों को बुनियादी एसक्यूएल, पायथन और टेन्सरफ्लो के ज्ञान की आवश्यकता होती है।
यह पाठ्यक्रम उन्नत स्तर पर 100% ऑनलाइन है और प्रति सप्ताह 5-7 घंटे के सुझाए गए समय निवेश के साथ पूरा करने में 11 घंटे लगते हैं।
Google क्लाउड प्लेटफ़ॉर्म (Google क्लाउड प्लेटफ़ॉर्म द्वारा प्रस्तुत) पर सर्वर-रहित लर्निंग के साथ सर्वर रहित मशीन
यह पाठ्यक्रम Google क्लाउड प्लेटफ़ॉर्म पर टेन्सरफ़्लो के साथ काम करने के विचार का भी उपयोग करता है, लेकिन एक अलग प्रकार के वातावरण में मशीन सीखने की कल्पना करने के लिए सर्वर रहित कंप्यूटिंग का विचार जोड़ता है।
सर्वरलेस कंप्यूटिंग में, फ़ंक्शन को आवश्यकतानुसार वितरण के लिए डिज़ाइन किया गया है। यह पाठ्यक्रम इस प्रकार के सेटअप के लिए उपयोग के मामलों के बारे में बात करेगा, और छात्रों को टेन्सरफ्लो एमएल मॉडल के निर्माण में भाग लेने की अनुमति देगा। प्रीप्रोसेसिंग सुविधाओं की समझ के साथ स्केलेबिलिटी और तैनाती पर जोर है और एक कुशल वर्चुअलाइज्ड क्षमता में एमएल मॉडल को कैसे स्पिन किया जाए।
यह मध्यवर्ती स्तर का पाठ्यक्रम सभी ऑनलाइन है और एक सप्ताह के सुझाए गए समय सीमा के साथ पूरा करने में 12 घंटे लगते हैं।
Tensorflow के साथ प्राकृतिक भाषा प्रसंस्करण (deeplearning.ai द्वारा प्रस्तुत)
Tensorflow और अन्य मशीन लर्निंग टूल्स के सबसे लोकप्रिय अनुप्रयोगों में से एक प्राकृतिक भाषा प्रसंस्करण (NLP) का अभ्यास है।
इस कोर्स से छात्रों को एनएलपी के कुछ घटकों से वाक् और अन्य तकनीकों की टैगिंग से संबंधित जानकारी मिल जाएगी जो तंत्रिका नेटवर्क को संरचनात्मक पूर्वानुमान मॉडल बनाने में मदद करते हैं। एनएलपी को एमएल से बहुत लाभ हुआ है, और छात्र पहले हाथ से देखने से लाभ उठा सकते हैं कि ये तकनीक कैसे काम करती है।
हाथों से किए गए अध्ययन के साथ, छात्र वास्तविक दुनिया की समस्याओं को संबोधित करेंगे जैसे कि आवर्तक तंत्रिका नेटवर्क और एलएसटीएम को टेंसरफ़्लो में कैसे लागू किया जाए और टोकन और वैक्टर का उपयोग करके प्रक्रिया कैसे की जाए।
यह पाठ्यक्रम 100% ऑनलाइन इंटरमीडिएट स्तर का पाठ्यक्रम है जिसमें चार सप्ताह के सुझाए गए समय सीमा के साथ पूरा करने में नौ घंटे लगते हैं।
निष्कर्ष
न केवल शब्दावली को समझने के माध्यम से एमएल के नट और बोल्ट से बेहतर तरीके से जुड़ने के लिए इनमें से किसी भी अभिनव सीखने के अवसरों का उपयोग करें, लेकिन सिस्टम के निर्माण ने आमतौर पर टेन्सरफ्लो का उपयोग करके काम किया।