手把手教你用Python 实践深度学习

手把手教你用Python 实践深度学习

手把手教你用Python 实践深度学习

399.00 799.00 特价仅剩8天2小时52分钟 53 人学习

课程名称:

把手教你用Python 实践深度学习

【温馨提示:1. 你可以在PC端浏览器或者微信收藏该页面,以方便你快速找到这个课程;2. 课程相关资料可在课程PC端公告查看下载;3.加入课程后,点(课时)列表即可观看视频 】


讲师的其他免费课程也可以前往学习!!!

戳:Hellobi Live | 机器学习技术在Python语言的商业应用   https://edu.hellobi.com/course/138


讲师介绍:

丘祐玮(DavidChiu) – 大数软件(LargitData)创办人,是一位致力于提供舆情分析服务的创业者与数据科学家,熟悉Hadoop,Spark 等巨量数据平台,及擅长使用R,Python与机器学习技术进行数据分析。曾任多家上市公司顾问及担任知名大数据应用程序竞赛的评审,自身着有Machine Learning With R Cookbook [Packt] 与 R Cookbook [Packt] 二书


本课程讲师配套其他课程:

人人都爱数据科学家!Python数据科学精华实战课程  https://edu.hellobi.com/course/159 


课程目录:

第一章: 从人工智能到深度学习    

1、手把手教你用Python实践深度学习  

2、人工智能的发展历史  

3、机器学习  

4、监督式学习 - 规则模型  

5、监督式学习 – 线性模型  

6、类神经网络  

7、建构神经网络  

8、执行学习算法  

9、训练神经网络  

10、反向传播算法  

11、训练神经网络  

12、梯度消失  

13、支持向量机  

14、深度学习  



第二:使用TensorFlow & Keras 建构人工神经网络(Artificial Neural Network)    

1、TensorFlow简介  

2、安装TensorFlow  

3、使用TensorFlow Playground可视化人工神经网络 

4、Keras 安装与配置  

5、[实例] 使用人工神经网络预测客户是否可信  

6、评估、调参、优化人工神经网络 

7、比较人工神经网络与其他机器学习模型  



第三:卷积神经网络 (Convolutional Neural Network)    

1、什么是卷积神经网络(Convolutional Neural Network) 

2、卷积特征提取  

3、ReLu层 (Rectified Linear Units) 

4、池化层 (Pooling)  

5、Flattening 层   

6、建立卷积神经网络  

7、[实例] 利用卷积神经网络实践手写数字识别

8、[实例] 利用卷积神经网络辨识图片-使用网络爬虫抓取明星图片

9、[实例] 利用卷积神经网络辨识图片-使用OpenCV撷取人脸

10、[实例] 利用卷积神经网络辨识图片-建立卷积神经网络

   


第四循环神经网络(Recurrent Neural Networks)    

1、什么是循环神经网络(Recurrent   Neural Networks)  

2、消失的梯度问题(The vanishing gradient problem)  

3、长短期记忆网络 LSTM(Long Short-Term Memory)  

4、建立循环神经网络(Recurrent Neural Networks)  

5、[实例] 利用循环神经网络(Recurrent Neural Networks)预测股价  

6、如何调校循环神经网络(Recurrent Neural Networks) 

7、[实例] 如何用自动生成句子  



第五自编码网络 (AutoEncoder)    

1、什么是自编码网络(AutoEncoder)  

2、训练自编码网络 (AutoEncoder) 

3、过完备隐藏层(Overcomplete Hidden Layers)  

4、稀疏编码 (Sparse Autodncoders)  

5、降噪自动编码(Denoising Autoencoders )  

6、收缩自动编码(Contractive Autoencoders)  

7、多层自动编码 (Stacked Autoencoders)  

8、深度自动编码 (Deep Autoencoders)  

9、[实例] 使用自编码网络建立推荐系统  

10、[实例] 使用自编码网络建立入侵检测系统  



第六生成对抗网络 GAN (Generative Adversarial Nets)    

1、生成对抗网络GAN (Generative Adversarial Nets) 基本原理  【时长:10分钟】    

2、GAN 代价函数  【时长:10分钟】    

3、深度卷积对抗生成网络(DCGAN)  【时长:20分钟】    

4、批归一化(Batch Normalization)  【时长:20分钟】    

5、小步长卷积(Fractionally-Strided Convolution)  【时长:30分钟】    

6、[实例] 利用生成对抗网络 GAN 自动生成图片  【时长:60分钟】    

7、[实例] 利用文本生成图像  【时长:60分钟】



第七深度增强学习    

1、基于价值的增强学习  【时长:20分钟】    

2、基于策略的增强学习  【时长:20分钟】    

3、基于模型的增强学习  【时长:20分钟】    

4、深度Q学习  【时长:30分钟】    

5、深度策略网络  【时长:30分钟】    

6、[实例] 使用增强学习建立人工智能  【时长:60分钟】


友情提示

1、PC端如果发现浏览器无法观看课程,建议使用谷歌浏览器观看;移动端建议直接微信打开课程页面

2、【在微信加入课程的用户注意】请微信收藏课程页面或者关注微信公众号:天善智能(点“我的”即可查看你已加入的课程),已方便下次学习。

3、课程相关资料可在课程PC端公告查看下载;

4、加入学习后请添加客服微信:tianshansoft08(请注明:课程名称),邀请你加入微信VIP群与老师&同学交流讨论。


1111.jpg



改版

反馈