DeepLearning.AI TensorFlow Developer

Goal 집 값 예측의 정확도 모니터 single layer neural network 로 부터 오는 집 값 예측 분석 TensorFlow 를 사용하여 linear model 을 fitting 하기 위한 signle layer neural network 구성 A ne

Goaltraining 동안 model 의 loss 와 accuracy 를 추적하기 위한 콜백 function 사용layer 의 size 가 network 예측과 training speed 에 미치는 영향 예측네트워크 훈련 속도를 높이기 위한 pixel value n

GOAL > - callback function 을 이용하여 accuracy threshold 이후에 훈련 중지 > - convolution 과 MaxPoling 을 추가하여 Fashion MNIST classification 정확도 테스트 > - convolution

GOAL이진 분류 모델 구현 시 발견되는 단점에 대한 설명Keras ImageDataGenerator functionality 를 활용한 이미지 전처리 실행이진 분류를 위한 multilayer neural network 를 lerveraging 함으로써 현실 이미지 분

GOAL > - ImageDataGenerator class 를 이용하여 image data 전처리를 하는 keras util 이해 > - ImageDataGenerator 의 입력으로 전달하기 위해 file 을 옮기는 helper 함수 작성 > - plot train

GOAL > - training 과정에 image augmentation 을 추가했을 때 효과 확인 > - training 과 validation accuracies 를 그래프화하여 overfitting / lack 에 대해 확인하기 > - image augmentat

GOAL > - overfitting 을 피하기 위한 dropout 효과를 주는 keras layer type 을 마스터 해보자 ! > - keras API 를 통해 transfer learning 을 해보자. > - Sequential mdoel 대신 keras fu

GOALSign Language MNIST dataset 에 대해 multiclass classifier 구축하기multiple classification 을 위해 mdoel 을 정의하는 방법과 ImageDataGenerator 의 parameters 를 설정하는 방법

실습환경 참조 git clone https://github.com/https-deeplearning-ai/tensorflow-1-public > GOAL > - TensorFlow 의 Tokenizer 및 pad_sequences API 에 대해 학습 > - neu

GOAL > - 토큰이 high dimension space 에서 벡터로써 맵핑되는 Embedding 에 대해 배우기 > - Embeddings 와 labelled examples 와 함께 , 벡터 공간에서 유사한 의미를 가진 단어가 비슷한 방향으로 갈 수 있도록 벡터

GOAL > - 2주차에는 Embedding layer 를 통해 유사한 단어를 그룹짓는 일을 했다. > - 이번 주차에는 맥락 속에서 단어의 관계를 파악해보자 ! L2 Introduction > 코세라 - 앤드류의 Deep RNN 강의 바로가기 Model 은 dat

GOAL주어진 단어 다음에 올 단어를 추측하는 단어를 거쳐 전통 아이리쉬 음악으로 훈련된 모델을 이용하여 아름다운 노래를 만들어보자.text generation 을 위한 데이터 준비와 모델 구성을 해보자. Week3 에서 했던 것과 아주 유사하지만 약간의 변형이 필요함