感谢您的预订!我们的团队成员将会尽快与您取得联系。
感谢您的预订!我们的团队成员将会尽快与您取得联系。
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