Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
课程大纲
-
神经网络和深度学习概述
机器学习 (ML) 的概念
为什么我们需要神经网络和深度学习?
根据不同的问题和数据类型选择网络
学习和验证神经网络
比较逻辑回归与神经网络
神经网络
神经网络的生物学启示
神经网络– 神经元、感知器和 MLP(多层感知器模型)
学习 MLP – 反向传播算法
激活函数 – linear、sigmoid、Tanh、Softmax
适用于预测和分类的损失函数
参数 – 学习率、正则化、动量
在 Python 中构建神经网络
评估神经网络的性能 Python
深度网络基础知识
什么是深度学习?
深度网络架构 – 参数、层、激活函数、损失函数、求解器
受限玻尔兹曼机 (RBM)
自动编码器
深度网络架构
Deep Belief Networks(DBN) – 架构、应用
自动编码器
受限玻尔兹曼机
卷积神经网络
递归神经网络
循环神经网络
Python 中可用的库和接口概述
咖啡菲
西阿诺
张量流
克拉斯
MXNET公司
选择适当的库来解决问题
在 Python 中构建深度网络
为给定的问题选择合适的架构
混合深度网络
学习网络 – 适当的库、架构定义
整定网络 – 初始化、激活函数、损失函数、优化方法
避免过拟合 – 检测深度网络中的过拟合问题,正则化
评估深度网络
案例研究 Python
图像识别 – CNN
使用自动编码器检测异常
使用 RNN 预测时间序列
使用自动编码器降维
使用 RBM 进行分类
要求
机器学习、系统架构和编程语言的知识/欣赏是可取的
14 小时