הקורס מלמד הן את הרקע המתמטי של רשתות נוריונים והן את ההיבטים הפרקטים של שימוש בספריות:
במהלך הקורס יוצגו דוגמאות רבות של מודלים לזיהוי תמונות, זיהוי קובצי קול, הערכת שווי של בתים ושימושים נוספים של רשתות.
יוסברו טכניקות של רשתות מבוססות ארכיטקטורת קונבולוציה, רגרסיה ושיטות רבות לאופטימיזציה.
כמו כן יודגמו שימושים בהביטם שונים של הספריה לשמירה של הרשת, שימוש ברשת קיימת לחיזוי, אופנים שונים של בנית שכבות ועוד.
דרישת הקדם היחידה לקורס היא ידע בתכנות בפייתון.
SGD- Stochastic Gradient Descent
Backpropagation
Overfitting & Hyperparameters
L1 & L2 Regularization
Dropout
Cross entropy loss function & softmax activation function
CNN - Convolutional Neural Network
CNN layers ,Conv2D, pooling, strides, padding, channels
Regression
melspectogram
Data augmentation
Batch Normalization
Functional API
Checkpoints and Callbacks
Transfer learning
Feature extractions