Изучите самую популярную библиотеку глубокого обучения.

Keras — одна из самых популярных библиотек машинного обучения в настоящее время. Он универсален, прост в использовании и обладает большими возможностями. В этом тексте я рассмотрю самые популярные курсы на Coursera, связанные с Keras.

Введение в глубокое обучение и нейронные сети с помощью Keras — это курс, предлагаемый IBM.

После прохождения данного курса слушатели смогут:

• описать, что такое нейронная сеть, что такое модель глубокого обучения и чем они отличаются.

• продемонстрировать понимание неконтролируемых моделей глубокого обучения, таких как автоэнкодеры и ограниченные машины Больцмана.

• продемонстрировать понимание контролируемых моделей глубокого обучения, таких как сверточные нейронные сети и рекуррентные сети.

• создавать модели и сети глубокого обучения с помощью библиотеки Keras.

IBM AI Engineering — это еще один курс, предлагаемый IBM, и он охватывает не только Keras.

Благодаря этому курсу вы освоите основные концепции машинного обучения и глубокого обучения, включая обучение с учителем и без учителя. Вы будете использовать популярные библиотеки машинного обучения и глубокого обучения, такие как SciPy, ScikitLearn, Keras, PyTorch и Tensorflow, применяемые для решения отраслевых задач, связанных с распознаванием объектов и компьютерным зрением, обработкой изображений и видео, текстовой аналитикой, обработкой естественного языка, рекомендательными системами и другими. виды классификаторов.

Вы сможете масштабировать машинное обучение на больших данных с помощью Apache Spark. Вы будете создавать, обучать и развертывать различные типы глубоких архитектур, включая сверточные сети, рекуррентные сети и автоэнкодеры.

К концу этого профессионального сертификата вы завершите несколько проектов, демонстрирующих ваше мастерство в области машинного обучения и глубокого обучения, и вооружитесь навыками для карьеры инженера искусственного интеллекта.

Введение в глубокое обучение — курс, предлагаемый НИУ ВШЭ. Цель этого курса — дать учащимся базовое представление о современных нейронных сетях и их приложениях для компьютерного зрения и понимания естественного языка. Курс начинается с краткого обзора линейных моделей и обсуждения методов стохастической оптимизации, которые имеют решающее значение для обучения глубоких нейронных сетей. Учащиеся изучат все популярные строительные блоки нейронных сетей, включая полносвязные слои, сверточные и рекуррентные слои.

Учащиеся будут использовать эти строительные блоки для определения сложных современных архитектур в рамках TensorFlow и Keras. В курсовом проекте учащийся реализует глубокую нейронную сеть для задачи подписи к изображению, которая решает задачу предоставления текстового описания для входного изображения.

Обязательными условиями для этого курса являются:

  • Базовые знания Python.
  • Базовая линейная алгебра и вероятность.

Обратите внимание, что это продвинутый курс, и мы предполагаем базовые знания в области машинного обучения. Вы должны понимать:

  • Линейная регрессия: среднеквадратическая ошибка, аналитическое решение.
  • Логистическая регрессия: модель, кросс-энтропийные потери, оценка вероятности класса.
  • Градиентный спуск для линейных моделей. Производные MSE и функций кросс-энтропийных потерь.
  • Проблема переобучения.
  • Регуляризация для линейных моделей.

Использование машинного обучения в трейдинге и финансах — это другой курс, предлагаемый Нью-Йоркским институтом финансов, поскольку он предназначен для специалистов в области финансов, специалистов по управлению инвестициями и трейдеров. Но эта специализация может быть также предназначена для профессионалов в области машинного обучения, которые стремятся применить свое мастерство в торговых стратегиях.

По окончании курса вы сможете делать следующее:

  • Разработка базовых количественных торговых стратегий
  • Используйте Keras и Tensorflow для создания моделей машинного обучения
  • Создайте модель прогнозирования стратегии парной торговли и протестируйте ее на исторических данных.
  • Создайте торговую модель, основанную на моментуме, и протестируйте ее на исторических данных.

Чтобы успешно пройти этот курс, вы должны иметь базовые навыки программирования на Python и быть знакомы с библиотекой Scikit Learn, Statsmodels и Pandas. Вы должны иметь опыт работы со статистикой (ожидаемые значения и стандартное отклонение, распределение Гаусса, высшие моменты, вероятность, линейная регрессия) и базовые знания финансовых рынков (акции, облигации, деривативы, структура рынка, хеджирование).

Резюме

Прежде всего, вот видеоверсия этого текста, где я рассказываю о лучших курсах Keras на Coursera:

В целом эти 4 курса в настоящее время являются наиболее популярными, когда речь идет об изучении Keras и его использовании.

Наконец, если вы хотите узнать больше о том, как стать специалистом по данным, прочитайте мою книгу Работа в области науки о данных: как стать специалистом по данным, которая проведет вас через процесс становления специалистом по данным с самого начала и до самого конца, нет. независимо от того, какой у вас фон.

*отказ от ответственности: приведенные выше ссылки являются партнерскими.