Descrição do Curso
O TensorFlow é uma popular biblioteca de software de código aberto para aprendizagem profunda e é amplamente utilizado em aplicações de aprendizagem automática. Nestas lições, aprenderá sobre a divisão de treino/validação mais comum e a importância de manter um equilíbrio entre os dois conjuntos. Também descobrirá uma das técnicas de pré-processamento que o TensorFlow fornece para imagens, que é crucial para melhorar a precisão do modelo. Além disso, irá explorar a utilização de dados baralhados no treino e se é aconselhável misturá-los com uma divisão de validação de treino.
Em seguida, você mergulhará nos conceitos básicos das camadas achatada e densa no TensorFlow. A camada de achatamento remodela os dados de entrada numa matriz unidimensional, enquanto a camada densa liga todos os neurónios da camada anterior à seguinte. Aprenderá também sobre a classe de modelo utilizada no TensorFlow, que é uma ferramenta fundamental para a construção de modelos de aprendizagem profunda.
De um modo geral, obterá informações sobre os diferentes tipos de problemas de visão e áudio que o TensorFlow pode resolver. Descobrirá a importância de treinar em um conjunto de teste separado e por que não é aconselhável treinar em dados de teste.
O Que Você Vai Aprender
- Compreenda a divisão mais comum entre treinamento e validação e a importância de equilibrar os dois conjuntos
- Aplique uma técnica de pré-processamento de imagens do TensorFlow para melhorar a precisão do modelo
- Avalie o uso de dados embaralhados no treinamento e se deve misturá-lo com uma divisão entre treinamento e validação
- Explore as camadas de achatamento e densa no TensorFlow e como elas reformatam e conectam dados
- Construa modelos de aprendizado profundo usando a classe de modelo TensorFlow
- Identifique os tipos de problemas de visão e áudio que o TensorFlow pode resolver
Principais Conclusões
- TensorFlow é uma biblioteca de software de código aberto popular para aprendizado profundo amplamente utilizada em aplicações de aprendizado de máquina.
- Manter um equilíbrio entre os conjuntos de treinamento e validação é importante ao dividir dados.
- A camada de achatamento reformata dados de entrada em uma matriz unidimensional, enquanto a camada densa conecta todos os neurônios da camada anterior ao próximo.
- A classe de modelo é uma ferramenta fundamental para construir modelos de aprendizado profundo no TensorFlow.
- O treinamento deve ser feito em um conjunto de teste separado, e não é aconselhável treinar em dados de teste.
Perguntas Frequentes
O que é TensorFlow de acordo com este curso?
TensorFlow é uma biblioteca de software de código aberto popular para aprendizado profundo amplamente utilizada em aplicações de aprendizado de máquina.
Que tópicos este curso cobre?
Cobre a divisão comum entre treinamento e validação, uma técnica de pré-processamento de imagens do TensorFlow, o uso de dados embaralhados no treinamento, as camadas de achatamento e densa, a classe de modelo TensorFlow e os tipos de problemas de visão e áudio que o TensorFlow pode resolver.
Que habilidades vou ganhar com este curso?
Você ganhará habilidades em Aprendizado Profundo, Métodos de Aprendizado Profundo, Treinamento de Modelo de Aprendizado de Máquina, TensorFlow, Conjuntos de Dados de Treinamento e Aprendizado de Transferência.
Que lições estão incluídas?
O curso inclui as lições Dados TensorFlow e Pré-processamento de Dados, Modelos TensorFlow e Ferramentas Profissionais.
Por que não deverei treinar em dados de teste?
O curso explica a importância do treinamento em um conjunto de teste separado e por que não é aconselhável treinar em dados de teste.
