Deep Learning Specialization Training

450,00 EUR

  • 50 hours
Blended Learning
eLearning
Klassikaal

Deze uitgebreide cursus biedt de kennis en vaardigheden om deep learning tools effectief te implementeren met behulp van AI/ML-frameworks. Je zult de fundamentele concepten en praktische toepassingen van deep learning verkennen, terwijl je een duidelijk begrip krijgt van de verschillen tussen deep learning en machine learning. De cursus behandelt een breed scala aan onderwerpen, waaronder neurale netwerken, voorwaartse en achterwaartse propagatie, TensorFlow 2, Keras, technieken voor prestatieoptimalisatie, modelinterpreteerbaarheid, Convolutional Neural Networks (CNN's), transfer learning, objectdetectie, Recurrent Neural Networks (RNN's), autoencoders en het creëren van neurale netwerken in PyTorch. Aan het einde van de cursus heb je een solide basis in de principes van deep learning en de vaardigheid om deep learning modellen effectief te bouwen en te optimaliseren met behulp van Keras en TensorFlow.

Belangrijkste kenmerken

Taal

Cursus en materiaal in het Engels

Niveau

Gemiddeld - gevorderd niveau

Toegang

1 jaar toegang tot het platform & opnames van de lessen

6 uur aan videocursussen

en 40 uur online live les

Studietijd

Aanbeveling van 50 uur studietijd

Virtueel lab inbegrepen om te oefenen

3 eindprojecten voor de cursus en 1 beoordelingstoets

Geen examen

maar inclusief certificaat van voltooiing

Hero

Leerresultaten

Aan het einde van deze cursus zult u in staat zijn om:

Diepgaand leren

Onderscheid maken tussen diep leren en machine leren en hun respectievelijke toepassingen begrijpen.

Neurale netwerken

Verkrijg een grondig begrip van verschillende soorten neurale netwerken.

DNN's

Beheers de concepten van voorwaartse en achterwaartse propagatie in diepe neurale netwerken (DNN's).

Modelleren

Krijg inzicht in modelleringstechnieken en prestatieverbetering bij diep leren.

Parameter

Begrijp de principes van hyperparameterafstelling en modelinterpreteerbaarheid.

Technieken

Leer over essentiële technieken zoals dropout en early stopping en pas ze effectief toe.

CNN's

Ontwikkel expertise in Convolutionele Neurale Netwerken (CNN's) en objectdetectie.

PyTorch

Raak vertrouwd met PyTorch en leer hoe je neurale netwerken kunt creëren met dit framework.

RNN's

Verkrijg een solide begrip van terugkerende neurale netwerken (RNN's).

Cursustijdlijn

Hero
  1. Introductie tot diep leren

    Les 1

  2. Kunstmatige Neurale Netwerken

    Les 2

  3. Diepe Neurale Netwerken

    Les 3

  4. TensorFlow

    Les 4

  5. Modeloptimalisatie en prestatieverbetering

    Les 5

  6. Convolutionele Neurale Netwerken (CNN's)

    Les 6

  7. Transferleren

    Les 7

  8. Objectdetectie

    Les 8

  9. Recurrente Neurale Netwerken (RNN's)

    Les 9

  10. Transformermodellen voor natuurlijke taalverwerking (NLP)

    Les 10

  11. Aan de slag met Autoencoders

    Les 11

  12. PyTorch

    Les 12

cursus diepgaand leren

Wie zou zich moeten inschrijven voor dit programma?

Vereisten:

Basiskennis van Python programmeren, lineaire algebra, waarschijnlijkheid en enkele fundamenten van machine learning wordt sterk aanbevolen.


Software-ingenieurs & Ontwikkelaars

Datawetenschappers & Analisten

AI/ML-liefhebbers

Studenten & Onderzoekers

IT- & Cloudprofessionals

Bedrijfs- & Productmanagers

Start nu met de cursus

Veelgestelde vragen

Heb je en zakelijke oplossing of LMS-integratie nodig?

Heb je niet de cursus of het programma gevonden dat geschikt zou zijn voor jouw bedrijf? Heb je een LMS-integratie nodig? Neem contact met ons op! Wij zullen met een passende oplossing komen!