Tensorflow 2: глубокое обучение и искусственный интеллект (2026)

Слив курса Tensorflow 2: глубокое обучение и искусственный интеллект [Udemy] [Lazy Programmer Inc.]
Машинное обучение и нейронные сети для компьютерного зрения, анализа временных рядов, обработки естественного языка,
генеративно-состязательных сетей, обучения с подкреплением и многого другого!

Чему Вы научитесь:

1. Искусственные нейронные сети (ИНС) / глубокие нейронные сети (ГНС)
2. Прогнозируйте Доходность акций
3. Прогнозирование временных рядов
4. Компьютерное зрение
5. Как создать Обучающего Робота для торговли акциями с глубоким подкреплением
6. GaN (Генеративные состязательные сети)
7. Рекомендательные системы
8. Распознавание изображений
9. Сверточные нейронные сети (CNNs)
10. Рекуррентные нейронные сети (RNNs)
11. Используйте Tensorflow Serving для обслуживания вашей модели с помощью RESTful API
12. Используйте Tensorflow Lite для экспорта вашей модели на мобильные (Android, iOS) и встроенные устройства
13. Используйте стратегии распределения Tensorflow для распараллеливания обучения
14. Низкоуровневый Tensorflow, градиентная лента и создание собственных моделей
15. Обработка естественного языка (НЛП) с глубоким обучением
16. Продемонстрируйте Закон Мура с помощью кода
17. Перенесите обучение на создание самых современных классификаторов изображений
18. Получите сертификат разработчика Tensorflow
19. Ознакомьтесь с важными основами OpenAI ChatGPT, GPT-4, DALL-E, Midjourney и Stable Diffusion

Описание:
Вы когда-нибудь задумывались о том, как на самом деле работают такие технологии ИИ, как OpenAI ChatGPT, GPT-4, DALL-E, Midjourney и Stable Diffusion?
В этом курсе вы познакомитесь с основами этих революционных приложений.
Добро пожаловать в Tensorflow 2.0!

Материалы курса:
23 раздела • 148 лекций • 26ч. 22м.

1. Приветствие
2. Google Colab
   
3. Машинное обучение и нейроны
4. Искусственные нейронные сети прямого распространения
   
5. Интерлюдия: tf.data
6. Свёрточные нейронные сети
   
7. Рекуррентные нейронные сети, временные ряды и последовательные данные
8. Обработка естественного языка (NLP)
   
9. Рекомендательные системы
10. Трансферное обучение для компьютерного зрения
    
11. GAN (генеративно-состязательные сети)
12. Глубокое обучение с подкреплением (теория)
    
13. Проект по торговле акциями с использованием глубокого обучения с подкреплением
14. Расширенное использование Tensorflow
    
15. Низкоуровневый Tensorflow
16. Подробнее: функции потерь
    
17. Подробно: градиентный спуск
18. Завершение курса
    
19. Дополнительно
20. Настройка среды (часто задаваемые вопросы по запросу студентов)
    
21. Дополнительная помощь в программировании на Python для начинающих (часто задаваемые вопросы по запросу студентов)
22. Эффективные стратегии обучения машинному обучению (часто задаваемые вопросы по запросу студентов)
    
23. Приложение / Финал часто задаваемых вопросов