Rating 4.65 out of 5 (20 ratings in Udemy)

• מטרת הקורס היא לבנות מודלים של רשתות נוירונים בעזרת הספריות
• Tensorflow + Keras
• בקורס נראה מהי רשת נוירונים וכיצד היא בנויה.
• שני הפרקים הראשונים הם קצת יותר מאתגרים משאר הקורס בהם נלמד את הרקע המתמטי העומד מאחורי רשתות נורונים, על מנת לקבל הבנה עמוקה של נושא זה.
• במסגרת פרקים אלו נראה כיצד לבצע פעולות נדרשות במטריצות וכן נלמד את האלגוריתמים
• SGD- Stochastric Gradient Descent and Backpropagation
• בפרקים אלו ניצור רשת נוירונים בעזרת פיתון בלבד ללא עזרה של ספריות על מנת להפנים את העיקרון של עבודת רשתות נוירונים
• לאחר פרקים אלו נלמד כיצד לעבוד עם הספריות ובעזרתם ליצור רשת שתזהה אותיות כתב יד.
• נושאים נוספים שבהם נעסוק יהיו
• overfitting & hyperparameters
• Regularization
• Dropout
• Cross entropy loss function & softmax
• Grid search hyperparameters
• לאחר מכן נראה כיצד ליצור רשתות מבוססות קונבולוצי. נלמד את כל השכבות המרכיבות אותה ונראה כיצד לזהות קטגוריות של תמונות צבעוניות
• נושא נוסף שנראה הוא כיצד ליצור רשת לחישוב רגרסיה שבעזרת נבצע הערכת שווי של בתים על פי פרמטרים של גודל, שכונה וכו.
• נלמד כיצד לטפל בקובצי קול ואיך לזהות את סוג המוזיקה של הקובץ, אם הוא קובץ רוק או קלסי לדוגמא.
• נלמד כיצד לבנות רשתות מורכבות אם דילוגים על שכבות ומספר כניסות שמאחדים בעזרת
• Functional API
• לבסוף נראה כיצד להשתמש ברשתות קיימות שכבר מאומנות לצורך ספציפי בעזרת השיטות של
• Transfer learning + feature extractions
• במסגרת הקורס נראה דוגמאות פרקטיות רבות שכתובות בפיתון כך שבסיום הקורס יוכלו המשתתפים להגיע לרמה שבה יוכלו לפתח בעצמם רשתות לצורך פתרון בעיות בתחום