이 대규모 무료 과정에서 기계 학습에 TensorFlow 2.0을 사용하는 방법에 대해 알아보십시오

TensorFlow는 가장 인기 있는 머신 러닝 플랫폼 중 하나이며 완전히 오픈 소스입니다. 

TensorFlow 2.0을 사용하면 기계 학습 모델을 쉽게 구축하고 배포 할 수 있습니다.

https://www.freecodecamp.org/news/massive-tensorflow-2-0-free-course/ 

우리는 freeCodeCamp.org YouTube 채널에서 7 시간의 TensorFlow 2.0 과정을 발표했습니다. 이 과정은 기계 학습 및 인공 지능에 대한 지식과 기술을 향상 시키려는 Python 프로그래머를 위해 설계되었습니다.

이 과정은 TensorFlow 사용법을 알려줄 뿐만 아니라 머신 러닝 및 인공 지능에 대한 훌륭한 개요를 제공합니다.

이 과정의 제작자는 인기 있는 “Tech With Tim”YouTube 채널로 유명한 Tim Ruscica입니다. 8 개의 모듈에서 팀은 다음과 같은 기계 학습 및 인공 지능의 기본 개념과 방법을 다룹니다.

•    핵심 학습 알고리즘
•    신경망을 이용한 딥 러닝
•    컨볼루션 신경망을 이용한 컴퓨터 비전,
•    반복적인 신경망을 이용한 자연어 처리,
•    강화 학습.

이 과정의 비디오 부분과 함께 정보가 담긴 6 개의 Jupyter 노트북 파일이 있습니다. 

이 파일에는 광범위한 메모, 지침 및 다이어그램이 포함되어 있습니다. 

또한 코스에 사용 된 모든 코드가 포함되어 있으므로 직접 코드를 시험해 볼 수 있습니다. 

또한 Google Colaboratory의 파일에 액세스하여 브라우저에서 모든 코드를 실행할 수 있습니다.

이 과정을 마치면 머신 러닝 및 AI의 핵심 기술에 대한 철저한 지식을 얻고 이러한 기술을 자신의 데이터 집합에 적용하는 데 필요한 기술을 습득하게 됩니다.

각 모듈의 세부 내용은 다음과 같습니다.

모듈 1 : 머신 러닝 기초 

첫 번째 모듈은 인공 지능, 신경망 및 기계 학습의 차이점을 다룹니다. 이 모듈에 배치 된 기계 학습 기본 사항은 나머지 과정의 기초를 제공합니다.

모듈 2 : TensorFlow 소개 

이 모듈은 TensorFlow에 대한 일반적인 소개를 제공합니다. Tensor가 무엇인지 배우고 모양과 데이터 표현에 대해 배우게 됩니다. 또한 TensorFlow가 더 낮은 수준에서 작동하는 방법을 배우게 됩니다.

모든 것이 어떻게 작동하는지 모른 채 기계 학습 모델을 만들 수 있지만 보다 심층적인 이해를 통해 모델을 보다 쉽게 ​​조정하고 최상의 결과를 얻을 수 있습니다.

모듈 3 : 핵심 학습 알고리즘 

네 가지 기본 기계 학습 알고리즘을 배우게 됩니다. 각 알고리즘은 고유 한 문제 및 데이터 집합에 적용됩니다.

다루는 알고리즘은 다음과 같습니다.

•    선형 회귀
•    분류
•    클러스터링
•    숨겨진 마르코프 모델

모듈 4 : TensorFlow를 사용하는 신경망 

이 모듈에서는 신경망의 작동 방식과 그 배후의 수학에 대해 배웁니다. 기울기 하강, 역 전파 및 신경망을 통한 정보의 흐름에 대해 배웁니다.

모듈의 두 번째 부분에서는 Karas를 사용하여 의류 기사를 분류하는 신경망을 만드는 방법을 설명합니다.

모듈 5 : 심층 컴퓨터 비전-컨볼루션 신경망 

이 모듈은 컨볼루션 신경망을 사용하여 이미지 분류 및 물체 감지 / 인식을 수행하는 방법을 알려줍니다.

다음 개념에 대해 배웁니다.

•    Image data
•    Convolutional layers
•    Pooling layers
•    CNN architectures

모듈 6 : RNN을 사용한 자연어 처리 

자연어 처리 (NLP)는 자연 (인간) 언어와 컴퓨터 언어 간의 통신을 다루는 컴퓨팅 분야입니다. NLP의 일반적인 예는 맞춤법 검사 또는 자동 완성과 같은 것입니다.

이 모듈은 재귀 신경 네트워크 (RNN)라고 하는 새로운 종류의 신경 네트워크를 소개합니다. 이러한 네트워크는 종종 NLP에 사용됩니다.

감정 분석 및 캐릭터 생성에 RNN을 사용하는 방법을 배웁니다.

모듈 7 : Q-Learning을 통한 강화 학습 

이 모듈에서는 강화 학습에 대해 배웁니다.

이 기술은 과정의 앞부분에서 다룬 다른 많은 기계 학습 기술과 다릅니다. 머신 러닝 모델에 수백만 개의 예제를 제공하는 대신 환경을 탐색하여 모델에 자체 예제를 제공 할 수 있습니다.

강화 학습을 사용하여 기계 학습 모델을 작성하는 방법을 학습합니다.

모듈 8 : 결론 및 다음 단계 

마지막 모듈에서는 TensorFlow 및 머신 러닝에 대해 더 배우기 위한 다음 단계에 대해 학습합니다.

TensorFlow 및 기계 학습에 대한 학습을 ​​시작할 준비가 되었으면 아래 또는 freeCodeCamp.org YouTube 채널에서 과정을 보십시오.