Наука о Данных: Глубокое Обучение на Python

Этот курс поможет вам начать создавать свою первую искусственную нейронную сеть с использованием методов глубокого обучения.

Подробнее

Процедурные ландшафты в Blender

Процедурные ландшафты. Никакого моделирования, текстур, плагинов. Только Блендер. Создадим три реалистичных ландшафта, с помощью одного редактора шейдинга и рендер-движка Cycles.

Подробнее

Раскадровка для анимации (CGMA)

Это вводный курс, где вы научитесь некоторым приёмам визуального рассказа. Мы рассмотрим методы и упражнения, которые помогут вам придумывать идеи, вы узнаете также приёмы и советы по созданию раскадровок.

Подробнее

Практическое руководство по ИИ на Unity

Создайте ИИ для игры на Unity. Разработайте симулятор колонии, при помощи машин состояния, деревьев поведения и генетических алгоритмов.

Подробнее

Процедурное сплайн моделирование в Houdini

Умение работать с геометрией это важный аспект для художника любого уровня. Хорошее понимание процедурализма, векторной математики, вращения, наполнения сцены и лукдева пойдет на пользу любому техническому директору по эффектами.

Подробнее

Основы дизайна (CGMA)

В течении следжующих 8 недель мы будем разбирать основные принципы дизайна, обсуждать техники и подходы. По возможности мы сформируем наш личный стиль и будем воспитывать в себе чувство прекрасного.

Подробнее

Инсайдерские техники цветокоррекции

Это курс для тех, кто хочет изучить Resolve 16 и вместе с тем овладеть техниками цветокоррекции, которые профессионалы ежедневно используют в своей работе.

Подробнее

Искусство цвета и света (CGMA)

Искусство цвета и света - это исследование свойств цвета и света в различных условиях. Это важный этап в концепт-арте, который передает настроение и повествование истории посредством визуальных подсказок.

Подробнее

Введение в Marvelous Designer (CGMA)

В этом обучающем курсе, посвященном Marvelous Designer, мы подробно разберем большинство инструментов и различные техники, используемые при создании одежды для производства игр.

Подробнее

Риггинг для ААА-игр (CGMA)

Этот курс посвящен созданию надежных ригов. Мы будем рассматривать создание рига по отдельным компонентам (руки, ноги, позвоночник и т.д), а также возможности для улучшения и автоматизации пайплайна создания рига.

Подробнее

Как ухватить момент - курс по свадебной съемке

Присоединяйтесь к Рэю Роману, который проведет для вас курс по свадебной съемке от самого начала и до конца. Он расскажет о своем подходе, который позволил ему стать одним из самых влиятельных и востребованных свадебных видеографов.

Подробнее

Введение в Maya (CGMA)

Обучающимся будут представлены (и разобраны) интерфейс + сама философия программы Maya, а также, методы 3д моделирования, текстурирования, постановки освещения, визуализации (рендера) и анимации.

Подробнее

Моделирование для продакшена (CGMA)

Цель этого курса показать вам все, что нужно знать, для того чтобы профессионально преуспеть в качестве 3D-моделлера. В этом уроке вы узнаете как быть эффективным и быстрым 3D-художником.

Подробнее

Скульптинг лиц персонажей (CGMA)

В этом курсе студенты изучат то, благодаря чему лицо выглядит так, как оно выглядит — внутренние структуры черепа, мышцы, жировая ткань и другие структуры, такие как железы, которые создают и влияют на формы лица (5 частей).

Подробнее

Секреты креативного монтажа

Курс содержит обучаит вас основным навыкам редактирования, связанным с видео, звуком и рабочим процессом. Он также имеет ряд углубленных функций редактирования, обучающих вас наиболее эффективному использованию изображения и звука.

Подробнее

Зарезервирован [Udemy] Data Science: Deep Learning in Python [ENG-RUS]

Тема в разделе "Работа с данными", создана пользователем Jinny_Nou, 18/10/18.

Этап:
Набор участников
Цена:
30000.00 руб
Участников:
14 из 65
Переводчик:
Larsen
21%
Расчетный взнос:
507.69 руб
  1. Jinny_Nou

    Jinny_Nou Модератор

    Регистрация:
    3/3/15
    Сообщения:
    1.807
    Симпатии:
    322
    Пол:
    Женский
    Язык №1:
    русский
    Наука о Данных: Глубокое Обучение на Python
    "Udemy" на русском

    [​IMG]
    Автор: Lazy Programmer Inc.

    Студия: Udemy

    Год: 2018

    Продолжительность: 9 часов 30 минут

    Язык: Английский

    Описание:

    Этот курс поможет вам начать создавать свою первую искусственную нейронную сеть с использованием методов глубокого обучения. Следуя моему предыдущему курсу по логистической регрессии, мы берем этот базовый строительный блок и строим полноценные нелинейные нейронные сети, используя Python и Numpy.

    Все материалы для этого курса бесплатны.

    Мы расширяем предыдущую бинарную модель классификации для нескольких классов, используя функцию softmax, и мы получаем очень важный метод обучения, называемый "метод обратного распространение ошибки", используя первые принципы. Я покажу вам, как писать код для метода обратного распространения ошибки в Numpy. Сначала "медленный путь", а затем "быстрый путь", с использованием функций Numpy.

    Затем мы внедрим нейронную сеть, используя новую библиотеку Google TensorFlow.

    Вам следует пройти этот курс, если вы заинтересованы в том, чтобы стать мастером по Глубокому Обучению, или если вам интересно Машинное обучение и наука о данных в целом.
    Мы выйдем за рамки базовых моделей, таких как логистическая регрессия и линейная регрессия, и я покажу вам нечто, что автоматически изучает признаки.

    В этом курсе есть много практических примеров, чтобы вы могли реально увидеть, как глубокое обучение может быть использовано для чего-либо. На протяжении всего курса мы будем выполнять проект курса, благодаря которому вы узнаете, как прогнозировать действия пользователя на веб-сайте с учетом таких данных пользователя. Таких, как например, использует ли этот пользователь мобильное устройство, сколько продуктов он просмотрел, как долго он оставался на вашем сайте, бывает ли он на сайте неоднократно и в какое время суток заходит.

    Другой проект в конце курса показывает, как вы можете использовать глубокое обучение для распознавания выражений лица. Представьте себе возможность предсказать чьи-то эмоции только на основе изображения!

    После ознакомления с основами я кратко расскажу о некоторых новейших разработках в нейронных сетях - слегка модифицированных архитектурах и для чего они используются.

    Заметки:

    Если вы уже знаете о softmax и методе обратного распространения ошибки и хотите пропустить теорию, чтобы ускорить процесс, изучив более продвинутые методы вроде оптимизации GPU, ознакомьтесь с моим последующим курсом по этой теме "Наука о данных: практические вопросы глубокого обучения в Theano и TensorFlow".

    У меня есть другие курсы, которые охватывают более сложные темы, такие как сверточные нейронные сети, ограниченные машины Больцмана, автоэнкодеры и многое другое! Но вы должны хорошо понимать материал этого курса, прежде чем переходить к более сложным предметам.

    Этот курс нацелен на создание и понимание, а не просто на то, как использовать. Любой может научиться использовать API(интерфейс программирования приложений) за 15 минут посредством прочтения некоторой документации. Тут мы будем заниматься не запоминанием фактов, а усвоением для себя, посредством экспериментов. Курс научит вас тому, как визуализировать то, что происходит внутри модели. Если вы хотите получить больше, чем просто поверхностный взгляд на модели машинного обучения, этот курс для вас.

    This course will get you started in building your FIRST artificial neural network using deep learningtechniques. Following my previous course on logistic regression, we take this basic building block, and build full-on non-linear neural networks right out of the gate using Python and Numpy. All the materials for this course are FREE.

    We extend the previous binary classification model to multiple classes using the softmax function, and we derive the very important training method called "backpropagation" using first principles. I show you how to code backpropagation in Numpy, first "the slow way", and then "the fast way" using Numpy features.

    Next, we implement a neural network using Google's new TensorFlow library.

    You should take this course if you are interested in starting your journey toward becoming a master at deep learning, or if you are interested in machine learning and data science in general. We go beyond basic models like logistic regression and linear regression and I show you something that automatically learns features.

    This course provides you with many practical examples so that you can really see how deep learning can be used on anything. Throughout the course, we'll do a course project, which will show you how to predict user actions on a website given user data like whether or not that user is on a mobile device, the number of products they viewed, how long they stayed on your site, whether or not they are a returning visitor, and what time of day they visited.

    Another project at the end of the course shows you how you can use deep learning for facial expression recognition. Imagine being able to predict someone's emotions just based on a picture!

    After getting your feet wet with the fundamentals, I provide a brief overview of some of the newest developments in neural networks - slightly modified architectures and what they are used for.

    NOTE:

    If you already know about softmax and backpropagation, and you want to skip over the theory and speed things up using more advanced techniques along with GPU-optimization, check out my follow-up course on this topic, Data Science: Practical Deep Learning Concepts in Theano and TensorFlow.

    I have other courses that cover more advanced topics, such as Convolutional Neural Networks, Restricted Boltzmann Machines, Autoencoders, and more! But you want to be very comfortable with the material in this course before moving on to more advanced subjects.

    This course focuses on "how to build and understand", not just "how to use". Anyone can learn to use an API in 15 minutes after reading some documentation. It's not about "remembering facts", it's about "seeing for yourself" via experimentation. It will teach you how to visualize what's happening in the model internally. If you want more than just a superficial look at machine learning models, this course is for you.

    Страница курса:

    Пример перевода:


    Курс зарезервировал Larsen, начнёт переводить, когда запишутся минимум 60-65 человека
     
    Последнее редактирование модератором: 18/5/20
  2. Antonio

    Antonio Администратор

    Регистрация:
    12/8/14
    Сообщения:
    28.365
    Симпатии:
    5.708
    Пол:
    Мужской
    Язык №1:
    Русский
    Добавлен пример перевода :)
     
  3. Ger.Alex

    Ger.Alex Заказчик

    Регистрация:
    7/4/20
    Сообщения:
    2
    Симпатии:
    0
    Пол:
    Мужской
    Язык №1:
    Русский
    Питон :D