深度學習A-Z™：動手實現人工神經網路 [ 有簡中字幕 ]

深度學習與人工智慧，人工神經網路等技術主題應該是目前最熱門且不變的趨勢，但是這些高深的技術看似遙不可及，要如何入門與應用？這門課程的實作部分相當實務，講師會準備資料集 (data set ) 讓你實際演練，從預測銀行客戶流失問題，影像辨識，股價預測，詐欺偵測，與 Netflix 電影推薦等實際的專案練習，課程會使用到 Google Tensorflow 與一些知名的開源程式庫例如 PyTorch，Theano，Keras，Scikit-learn 等等。課程實作採用 Python 語言，上課過程如果有問題，還有線上支援 ( 講師強調 48 小時內回覆 ) ，對於深度學習與人工智慧應用有興趣，這是一門 C/P 值很高的課程。

從這 22 小時的課程，你會學到

了解人工神經網路背後直覺的知識
在實務中應用人工神經網路
理解卷積神經網路( Convolutional Neural Networks )背後直覺的知識
在實務中應用卷積神經網路
理解遞歸神經網路( Recurrent Neural Networks )背後直覺的知識
在實務中應用遞歸神經網路
了解自我組織地圖( Self-Organizing Maps )背後直覺的知識
在實務中應用自我組織地圖
了解波爾茲曼機器( Boltzmann Machines )背後直覺的知識
在實務中應用波爾茲曼機器
理解自動編碼器( Autoencoders ) 背後直覺的知識
在實務中應用自動編碼器

要求

只需要高中數學程度

課程說明

人工智慧呈現指數級成長。毫無疑問，自動駕駛車正在趕上數百萬英里，IBM Watson 正在診斷患者表現比多數的醫生更好並且 Google Deepmind 的 AlphaGo 在圍棋擊敗世界冠軍 – 直覺在圍棋扮演著重要的角色。

但是，隨著 AI 的進一步發展，越來越複雜的問題需要解決。只有深度學習才能解決這樣複雜的問題，這就是為什麼它是人工智慧的核心。

—為什麼選擇深度學習A-Z？—

這裡有五個原因我們認為深度學習A-Z™真的是不同的，從其它眾多的培訓計劃中脫穎而出：

1. 強健的課程結構

我們關注的第一個也是最重要的事情就是讓課程結構強健。深度學習是非常廣泛和複雜的，為了引導你走出這個迷宮，你需要一個清晰的整體視野。

這就是為什麼我們將教程分成兩卷，代表了深度學習的兩個基本部分：監督深度學習和無監督深度學習。每個卷都集中在三種不同的演算法上，我們發現這是精通深度學習的最佳結構。

2. 直覺教學

許多課程和書籍只是用理論和數學和程式碼來轟炸你…但是他們也許忘了解釋最重要的部分：為什麼你正在做你正在做的事情。這就是這個課程如此不同。我們專注於為深度學習演算法背後的概念開發直覺的感覺。

透過我們的直覺教程，你將有信心在直覺的層面了解所有技術。一旦你進行了實際的程式設計練習，你將會看到你的經驗將會更有意義。這是一個改變遊戲規則的遊戲。

3. 令人興奮的專案

你是否厭倦了基於過時，過時的數據集的課程？

是的？那麼你加入這場盛宴吧。

在這個課堂裡，我們將在真實世界的數據集上工作，解決真實世界的商業問題。(絕對不是我們在每個課程中看到的無聊的虹膜或數字分類數據集）。在這個課程中，我們將解決六個現實世界的挑戰：

人工神經網路解決客戶流失問題
卷積神經網路用來做圖像識別
遞歸神經網路預測股價
自組織地圖調查欺騙
使用玻爾茲曼(Boltzmann)機器創建一個推薦系統
使用堆疊的自動編碼器* ( Stacked Autoencoders )來參加 Netflix 100 萬美元的獎賞

*堆疊式自動編碼器是深入學習中的全新技術，幾年前甚至不存在。我們還沒有看到這個方法在其他任何地方都有足夠深度的解釋。

4. 實際動手寫程式

深入學習A-Z™與你一起寫程式。每個實踐教程都從空白頁開始，我們從頭開始編寫程式碼。這樣，你可以追踪並明確了解程式碼是如何組合在一起的，以及每一行的含義。

此外，我們將以有目的的方式建構程式碼，以便你可以下載並將其應用於你自己的專案中。此外，我們逐步解釋在何處以及如何修改程式碼以插入你的數據集，根據需要裁切演算法，以獲得你之後的產出。

這是一門自然地延伸你的職涯的課程。

5. 課程中支援

你有沒有參加過課程或閱讀書籍時有問題但確無法與作者接觸？

那麼這個課程是不同的。我們完全致力於使這個世界上最具破壞性和強大的深度學習課程。當你需要我們的幫助時，我們有責任永遠在那裡。

事實上，既然我們身體上還需要吃飯和睡覺，我們已經組建了一個專業的資料科學家團隊來協助。每當你提出問題時，你將會在48小時內收到我們的回覆。

無論你的詢問有多麼複雜，我們都會在那裡。基本上我們是希望你成功。

—工具—

Tensorflow和Pytorch是Deep Learning開發的兩個最受歡迎的開源程式庫。在本課程中，你將學習兩者！

TensorFlow 由 Google開發，用於他們的語音識別系統，新的 Google photo 產品，Gmail，Google 搜索等等。使用 Tensorflow 的公司包括 AirBnb，Airbus，Ebay，Intel，Uber等等。

PyTorch 功能非常強大由 Nvidia 頂尖的研究人員和大學：Stanford，Oxford，ParisTech 所開發。使用 PyTorch 的公司包括 Twitter，Saleforce 和 Facebook。

那麼哪個更好，理由是什麼？

那麼，在這個課程中，你將有機會與兩者合作，並了解何時使用 Tensorflow 比較好並且何時使用 PyTorch 。在整個課程中，我們比較了這兩個教程，並給出了在某些情況下可以最有效的技巧和想法。

有趣的是，這些程式庫幾乎僅僅一歲多。這就是我們想要表達的意涵，在這個課程中，我們會教你最先進的深度學習模型和技術。

—更多工具—

Theano是另一個開放源碼的深入學習庫。它的功能非常類似於Tensorflow，但是我們仍然會介紹它。

Keras是實現深度學習模型的難以置信的程式庫。它作為Theano和Tensorflow的包裝。感謝Keras，只有幾行程式碼，我們就可以創建強大而複雜的深度學習模型。這將使你創造的事物有全球的視野。感謝這個程式庫，你所做的一切都將看起來非常清晰和結構化，你將真正獲得直覺的知識和了解你正在做什麼。

—還有更多工具—

Scikit-learn 最實用的機器學習程式庫。我們將主要使用它：

以最相關的技術，k-fold交叉驗證來評估我們的模型的性能
透過有效的參數調整來改善我們的模型
預處理我們的資料，以便我們的模型可以在最佳條件下學習

當然，我們還要提及通常的推測。這整個課程是基於Python，在每一個課程部分，你將獲得無數小時寶貴的實踐程式設計經驗。

此外，在整個課程中，我們將使用 Numpy 進行高階運算和操縱高維陣列，使用 Matplotlib 繪製有洞察力的圖表和使用 Pandas 最有效地匯入和操作數據集。

—這個課程適合誰？—

正如你所看到的，在深度學習和本課程中有很多不同的工具，我們確保向你展示最重要和最先進的技術，以便當你完成深度學習A-Z™時，你的技能將處於當今技術的尖端。

如果你剛開始深入學習，那麼你會發現這個課程非常有用。深度學習A-Z™是圍繞特殊程式設計藍圖方法建構的，這意味著你不會陷入不必要的程式編寫或是數學的複雜性，相反，你將從早期的課程中應用深度學習技術。你將從頭開始建構你的知識，你將會透過每個教程變得越來越自信。

如果你已經有深入學習的經驗，你會發現這個課程令人耳目一新，激動人心，非常實用。在深度學習A-Z™ 內部，你將掌握一些最尖端的深度學習演算法和技術（其中一些甚至在一年前不存在）並且透過這門課程，你將獲得巨大的寶貴實踐經驗與現實的商業挑戰。另外，在裡面你會發現靈感來探索新的深度學習技能和應用。

—真實世界案例研究—

精通深度學習不僅僅是了解直覺的知識和工具，而且也是能夠將這些模型應用於真實世界的場景，並為商業或是專案獲得實際可衡量的結果。這就是為什麼在這個課程中我們引入了六個激動人心的挑戰：

＃1 流失建模問題

在這部分中，你將會為銀行解決數據分析挑戰。你將獲得一個數據集，並提供銀行客戶的大量樣本。為了製作這個數據集，銀行收集資訊例如客戶ID，信用評分，性別，年齡，任期，餘額，客戶是否活躍，是否有信用卡等。在6個月的時間裡，銀行觀察了這些客戶是否離開或留在銀行。

你的目標是建立一個人工神經網絡，根據上述給的地理位置和交易資訊，可以預測是否有個人客戶離開銀行或是停留（客戶流失）。此外，你被要求根據其離開的機率對銀行的所有客戶進行排序。要做到這一點，你將需要使用正確的深度學習模型，即基於機率方法的模型。

如果你在此專案中取得成功，你將為銀行創造顯著的附加價值。透過應用你的深度學習模型，銀行可能會大大減少客戶流失。

＃2 影像辨識

在這部分中，你將創建一個能夠檢測影像中各種物件的捲積神經網路。我們將實現這個深度學習模式，以在一組照片中辨識出一隻貓或是狗。但是，該模型可以重複使用以檢測任何其他內容，我們將透過簡單地更改輸入文件夾中的圖片來告訴你如何執行此操作。

例如，你可以在一組大腦影像上訓練相同的模型，以檢測是否包含腫瘤。但是，如果你想保持它適合貓和狗，那麼你將從字面上可以拍攝你的貓或狗的照片，你的模型會預測你有哪種寵物。我們甚至在 Hadelin 的狗身上測試過！

＃3股價預測

在這部分中，你將創建一個最強大的深度學習模型。我們甚至會說，你將創建最接近“人工智慧”的深度學習模型。這是為什麼？因為這個模型會有長期的記憶，就像我們，人類一樣。

深入學習的分支是遞歸神經網路。古典的 RNN 具有短暫的記憶，因為這個確切的原因，既不流行也不強大。但是，遞歸神經網絡的一個重大改進使得LSTM（長期內存 RNNs）的普及，這已經徹底改變了遊戲領域。我們非常興奮地將這些尖端的深入學習方法納入我們的課程！

在這部分中，你將學習如何實現這個超強大的模型，我們將採取挑戰來預測 Google 的真實股價。史丹佛大學的研究人員已經面臨類似的挑戰，我們的目標至少與他們一樣。

＃4欺詐偵測

根據市場與市場最近發布的一份報告，到2021年，欺詐偵測和預防市場的價值將達到3319億美元。這是一個巨大的行業，對高級深度學習技能的需求只會增長。這就是為什麼我們在課程中包括這個案例研究的原因。

這是第2卷的第一部分 – 無監督深度學習模型( Unsupervised Deep Learning Models )。這裡的業務挑戰是偵測信用卡應用中的欺詐。你將為銀行創建深度學習模型，並為你提供一個數據集，其中包含申請高級信用卡的客戶資訊。

這是填寫申請表時客戶提供的數據。你的任務是偵測這些申請中的潛在欺詐。這意味著在挑戰結束後，你將會提供一個明確的可能詐欺的客戶申請列表。

＃5＆6推薦系統

從 Amazon 的產品推薦到 Netflix 的電影推薦 – 好的推薦系統在當今世界非常有價值。而創建它們的專家也是地球上最高薪的資料科學家之一。

我們將處理與 Netflix 數據集具有完全相同特色的數據集：大量的電影，數以千計的用戶，他們對他們觀看的電影進行了評級。評級從1到5，就像在Netflix數據集中一樣，這使得推薦系統的建構比評級僅僅有 “喜歡” 或 “不喜歡” 資訊更複雜。

你最終的推薦系統將能夠預測客戶未觀看的電影的評分。因此，透過將預測排序從5至1，你的深度學習模型將能夠推薦每個用戶應該觀看哪些電影。創建如此強大的推薦系統是一個很大的挑戰，所以我們會給自己兩個視角。意思是我們將用兩個不同的深度學習模型來建構它。

我們的第一個模型將是Deep Belief Networks，複雜的玻爾茲曼機器，將在第5部分中介紹。然後我們的第二個模型將使用強大的AutoEncoders，這是我個人的最愛。你會欣賞他們的簡單性和他們能力的對比。

你甚至可以將它應用到你自己或你的朋友。電影列表將是明確的，所以你只需要對已經觀看的電影進行評分，在數據集中輸入你的評分，執行您的模型並瞧瞧！當你在 Netflix 上沒有任何想法要看那部電影，推薦系統會告訴你，你會喜歡哪些電影！

—總結—

總而言之，這是一個激動人心的培訓課程，充滿了直覺教程，實踐練習和真實世界的案例研究。

我們對深度學習是非常狂熱的，希望能夠在課堂上看到你！

Kirill & Hadelin

目標受眾是誰？

任何對深度學習感興趣的人
在數學方面至少有高中等級的知識並希望開始學習深度學習的學生
任何熟悉機器學習或深度學習基礎知識的中級人員，包括經典演算法，如線性回歸或邏輯回歸，以及更高級的主題，如人工類神經網路，而且想要更多地學習它，並探索深入學習的所有不同領域
任何對深度學習感興趣但是對程式設計無法自由運用，並希望將其輕鬆應用於數據集的人
任何想要在資料科學方面開始職涯發展的大學生
任何想要提升深入學習能力的數據分析師
任何對目前工作不滿意，想成為資料科學家的人
任何想要透過使用強大的深度學習工具來創造附加價值的人
任何想要了解如何利用深度學習的指數技術進行業務的企業主
任何希望透過最先進的深度學習演算法在業界中造成破壞性的創業家

講師簡介

Kirill Eremenko 資料科學家和外匯系統專家

我的名字是 Kirill Eremenko ，你正在讀這讓我超級興奮 !

我在 Udemy 量個別的領域授課 : 資料科學和外匯交易。我想你將會對我是否可以提供你最好的訓練有信心，以下是我在這兩個領域的一些背景。

資料科學

在專業方面，我有超過 5 年在金融、零售、交通運輸等行業的資料科學管理顧問經驗。曾受過澳大利亞 Deloitte 最好的分析導師的訓練，今天我運用大數據來推動企業戰略、改造客戶體驗和徹底改變現有的操作流程。

從我的課程中，你將立即注意到我如何將現實生活的經驗和物理與數學學術背景結合起來，在資料科學領域提供專業的分步指導。我也熱衷於公開演講，並定期在澳大利亞領先的大學和行業盛會上介紹大數據。

外匯交易

自2007年以來，我一直以交易員的身份積極參與外匯市場，並辦 MQL4 的程式設計課程計畫。我很享受外匯交易，因為外匯市場可以帶來的財務上的自由，更重要的 – 個人自由

我生活的另一部分-是一個資料科學家 – 研究商業流程和人類行為模式的各種模式… 聽起來很熟悉？是的！巧合的是，我也是演算法交易的大粉絲 : ) EAs、外匯機器人、指標、腳本、MQL4，甚至使用 java 程式設計做外匯 – 我全部都很愛!

Kirill Eremenko

Hadelin de Ponteves 資料科學家

你好。我的名字是 Hadelin de Ponteves。總是渴望學習，我投入了大量的時間在學習和教學中，涵蓋廣泛的科學話題。

今天我熱衷於機器學習、深入學習和人工智慧 ( AI )。我將盡最大的努力傳達我對資料科學的熱情。我在這個領域獲得了豐富的經驗。我擁有資料科學專業的工程碩士學位。我花了一年時間研究機器學習，從事創新和令人興奮的專案。然後在Google的工作經驗中，我實施了一些用於商業分析的機器學習模型。

最終，我意識到我花了大部分時間做分析，我逐漸需要培養更多的創意，所以我踏入創業生涯。我的課程將結合分析和創造力的兩個維度，使你可以在應用於創意思考的同時學習資料科學中所需的所有分析技能。

期待我們一起完成學習！

Hadelin de Ponteves

SuperDataScience 團隊幫助資料科學家成功的團隊

Hi, 你好！

我們是 SuperDataScience 團隊。你將在 Kirill Eremenko 教授的資料科學課程中看到我們 – 我們在這裡幫助你解決任何問題，並確保你在課程的旅程中總是一舤風順！

聯繫最好的方法是在你正在學習的課程的問答中討論。在大多數情況下，我們會在24小時內回覆。

我們熱衷於幫助你享受課程！

課堂中見囉!

誠摯地，
SuperDataScience 真正的人

字幕：簡中、英文

想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

點選 ✨ 週四週五兩天大多課程 NT320 優惠連結 ( 需登入 Udemy 取得 )| Udemy 永久擁有課程 ( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現