Cursus · 7 hoofdstukken
Deep Learning
Een deep learning-cursus met beslissingskader voor engineers. Kies tussen PyTorch en TensorFlow, beoordeel diepte versus klassiek ML, weeg transfer learning af en redeneer over CNN's. 7 hoofdstukken.
Wat je zult kunnen
- Kies tussen PyTorch en TensorFlow
- Weet wanneer deep learning klassiek ML verslaat
- Beslis tussen zelf trainen en transfer learning
- Kies de juiste computer vision-taak
- Stem trainings-hyperparameters af
- Begrijp hoe CNN's afbeeldingen verwerken
Wat erin zit
- 1DL-frameworks: PyTorch en TensorFlow
Een keuzegids voor de twee dominante deep-learningframeworks — hun filosofieën, ecosystemen en de praktische factoren die je keuze moeten bepalen.
- 2Vanaf nul bouwen vs. transfer learning
De eerste strategische beslissing nadat je voor deep learning hebt gekozen: een nieuw netwerk vanaf nul trainen of op de schouders van voorgetrainde reuzen staan.
- 3DL vs ML: Wanneer Diepte Wint
Een beslissingskader voor de keuze tussen Deep Learning en klassieke Machine Learning — gebaseerd op je data, rekenkracht, tijdlijn en behoefte aan interpreteerbaarheid.
- 4Deep Learning: Start Here
Een oriëntatie van 12 minuten op het Deep Learning-leerpad — waarom het bestaat, wat je gaat bouwen, hoe de zes hoofdstukken samenhangen en waar je begint.
- 5Soorten Vision-taken
Beeldclassificatie, objectdetectie en segmentatie — kies de juiste computer-vision-taak voordat je een architectuur kiest.
- 6Trainingstechnieken voor Deep Learning
De complete toolkit voor het trainen van neurale netwerken — batch size, learning rates, loss functions, activaties, optimizers, regularisatie en early stopping.
- 7CNNs (Convolutional Neural Networks)
Ontwerp, train en interpreteer de architectuur achter moderne computer vision — van eerste convolutie tot productie-deployment.
Veelgestelde vragen
- Wat leer ik in deze deep learning-cursus?
- Je leert hoe je de belangrijkste beslissingen neemt bij deep learning-projecten: kiezen tussen PyTorch en TensorFlow, beoordelen wanneer diepte klassiek ML overtreft, transfer learning afwegen tegen zelf trainen, de juiste computer vision-taak selecteren, nadenken over trainingskeuzes zoals learning rates en regularisatie, en begrijpen hoe CNN's zijn opgebouwd voor vision.
- Is dit een praktische codeercursus of een conceptuele?
- Het is een cursus met beslissingskader. De hoofdstukken richten zich op de afwegingen en het redeneren achter frameworkkeuze, modelstrategie, vision-taken en training, in plaats van stap voor stap door codelabs te lopen. De cursus gaat ervan uit dat je al zelfstandig kunt programmeren.
- Voor wie is dit deep learning-traject bedoeld?
- Het is ontwikkeld voor engineers en ML-practitioners die een helder mentaal model willen voor deep learning-beslissingen. Het maakt deel uit van het AI for Engineers-traject en gaat ervan uit dat je vertrouwd bent met programmeren en bekend bent met de basisprincipes van machine learning.
- Hoe lang duurt de cursus en is er een certificaat?
- Het traject duurt ongeveer 2,3 uur verdeeld over 7 hoofdstukken, te beginnen met een kort oriëntatiehoofdstuk 'Start Here'. Wanneer je het traject afrondt, ontvang je een voltooiingscertificaat dat je kunt delen.
- Is deze cursus gratis?
- Nee, dit is een betaald traject dat beschikbaar is met een AI Academy by Anthropos-abonnement.
Behaal een certificaat
Rond alle hoofdstukken af om je certificaat van afronding te ontvangen.