Autoencoders y eventos extremadamente infrecuentes

제공자:
Coursera Project Network
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

Entrenarás y optimizarás los Autoencoders

Procesarás los datos con Autoencoders para poder predecir eventos infrecuentes con modelos de clasificación básicos

Predecirás clases extremadamente infrecuentes utilizando solo los datos de la clase más frecuente

Clock2 horas
Intermediate중급
Cloud다운로드 필요 없음
Video분할 화면 동영상
Comment Dots스페인어
Laptop데스크톱 전용

En muchos casos cuando queremos entrenar modelos de clasificación para predecir una clase minoritaria, no es fácil obtener datos de esta clase. En este curso aprenderás a entrenar modelos capaces de predecir estas clases minoritarias aún sin datos. Por ello, en este curso te enseñaremos a entrenar y utilizar Autoencoders para procesar los datos existentes y que las clases sean más fácilmente distinguibles. También te enseñaremos a utilizar los propios Autoencoders para predecir la clase minoritaria en eventos extremadamente infrecuentes o cuando no tenemos datos de esta clase.

개발할 기술

  • Python Programming
  • Autoencoder
  • Deep Learning
  • keras

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. Introducción a los Autoencoders

  2. Arquitectura de los Autoencoders

  3. Datos desbalanceados y Autoencoders

  4. Ejercicio práctico. Clasificación semi-supervisada con Autoencoders. Parte I

  5. Clasificación con Autoencoders y modelo de regresión logística

  6. Ejercicio práctico. Clasificación semi-supervisada con Autoencoders. Parte I

  7. Autoencoders y eventos extremadamente infrecuentes. Parte I

  8. Ejercicio práctico. Predicción de eventos extremadamente infrecuentes. Parte I

  9. Autoencoders y eventos extremadamente infrecuentes. Parte II

  10. Ejercicio práctico. Autoencoders para la clasificación de eventos extremadamente infrecuentes. Parte II

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

자주 묻는 질문

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.