Добавлено семь новых обучающих программ:
- Начало работы с TensorFlow и разработкой приложений Keras
- Практическое руководство по глубокому обучению с помощью изображений TensorFlow
-
Практическое руководство по мета-изучению Python
- ноль, предисловие
- Введение в метаобучение
- 2. Распознавание лиц и аудио с использованием сиамских сетей
- 3. Сеть-прототип и ее варианты
- 4. Реляционные и соответствующие сети с использованием TensorFlow
- 5. Нейронная сеть улучшения памяти
- 6. MAML и его варианты
- 7. Мета SGD и Рептилия
- 8. Согласованность градиента как цель оптимизации
- 9. Недавний прогресс и следующие шаги
- 10. Ответы
-
Практическое руководство по обучению с подкреплением с помощью Python
- ноль, предисловие
- Введение в обучение с подкреплением
- 2. Начало работы с OpenAI и TensorFlow
- 3. Марковский процесс принятия решений и динамическое программирование
- 4. Методы Монте-Карло для игр
- Пять, обучение с разницей во времени
- Шестое, проблема многорукого бандита
- Семь, основа глубокого обучения
- 8. Сеть Deep Q и игры Atari
- 9. Играйте в Doom с сетью Deep Loop Q Network
- 10. Сеть асинхронных участников и критиков с преимуществами
- 11. Градиенты политики и оптимизация
- 12. Проект Capstone — использование DQN для гонок
- 13. Недавний прогресс и следующие шаги
- Четырнадцать, ответ
-
Умный проект Python
- ноль, предисловие
- 1. Основа системы искусственного интеллекта
- 2. Трансферное обучение
- 3. Нейронный машинный перевод
- 4. Передача стиля фэшн-индустрии с помощью GAN
- 5. Приложение для видео субтитров
- 6. Интеллектуальная система рекомендаций
- 7. Мобильное приложение для анализа настроений в обзорах фильмов
- 8. Разговорные чат-боты с искусственным интеллектом для обслуживания клиентов
- 9. Автономные беспилотные автомобили с использованием обучения с подкреплением
- 10. Проверочный код с точки зрения глубокого обучения
- Умение работать со Sklearn и предиктивной аналитикой TensorFlow.
- Что нового в TensorFlow 2.0