Mejora de redes neuronales profundas: ajuste de hiperparámetros, regularización y optimización

Descripción

Este curso le enseñará la "magia" de lograr que el aprendizaje profundo funcione bien. En lugar de que el proceso de aprendizaje profundo sea una caja negra, comprenderá qué impulsa el rendimiento y podrá obtener mejores resultados de manera más sistemática. También aprenderá TensorFlow.

Después de 3 semanas, usted:
- Comprender las mejores prácticas de la industria para crear aplicaciones de aprendizaje profundo.
- Ser capaz de utilizar eficazmente los "trucos" comunes de la red neuronal, incluida la inicialización, L2 y la regularización de abandono, la normalización por lotes, la comprobación de gradiente,
- Ser capaz de implementar y aplicar una variedad de algoritmos de optimización, como el descenso de gradiente de mini lotes, Momentum, RMSprop y Adam, y verificar su convergencia.
- Comprender las nuevas mejores prácticas para la era del aprendizaje profundo de cómo configurar conjuntos de entrenamiento / desarrollo / prueba y analizar sesgos / variaciones
- Poder implementar una red neuronal en TensorFlow.

Este es el segundo curso de la Especialización de aprendizaje profundo.