fbpx

Deep Learning A-Z™:人工神經網路實踐 ( 附有簡中字幕 )

課程簡介

這門課是英文版 深度學習A-Z™:動手實現人工神經網路配上了簡中字幕

跟著兩位機器學習與資料科學專家,學習用Python建立深度學習演算法。包含模板。

課程介紹: 简中

從這 22.5 小時的課程,你會學到

  • 理解人工神經網路背後的直覺
  • 在實踐中應用人工神經網路
  • 理解卷積神經網路背後的直覺
  • 在實踐中應用卷積神經網路
  • 理解遞迴神經網路背後的直覺
  • 在實踐中應用遞迴神經網路
  • 理解自組織對映背後的直覺
  • 在實踐中應用自組織對映
  • 理解玻爾茲曼機背後的直覺
  • 在實踐中應用玻爾茲曼機
  • 理解自編碼器背後的直覺
  • 在實踐中應用自編碼器

要求

高中數學水平
基本的Python程式設計知識

課程說明

*** 如Kickstarter所示 ***

人工智慧正呈指數級增長。這點毫無疑問。自動駕駛汽車的駕駛里程已經能夠達到數百萬英里,IBM Watson對患者的診斷比許多醫生都好,谷歌Deepmind的AlphaGo在Go上擊敗了世界圍棋冠軍 – 圍棋是一種直覺起著關鍵作用的遊戲。

但是,隨著人工智慧的進一步發展,需要解決的問題就越複雜。只有深度學習可以解決這些複雜的問題,這就是為什麼它是人工智慧的核心。

— 為什麼選擇Deep Learning A-Z?—

以下是我們認為Deep Learning A-Z™真正與眾不同的五個原因,並因此從眾多其他培訓計劃中脫穎而出:

1.強大的結構

我們聚焦的第一件也是最重要的事情就是為課程提供一個強大的結構。深度學習是非常廣泛和複雜的,要走出這個迷宮,你需要一個明確的全球視野。

這就是為什麼我們將教程分為兩冊,分別代表深度學習的兩個基本分支:有監督深度學習和無監督深度學習。每一冊都關注三種獨特的演算法,我們發現這是掌握深度學習的最佳結構。

2.直覺教程

很多課程和書籍只是用理論、數學和編碼對你狂轟濫炸…但他們忘了解釋或許是最重要的部分:你為什麼要做自己正在做的事情。這就是這門課程如此不同的地方。我們專注於為深度學習演算法背後的概念開發一種直觀的*感覺*。

學習我們的直覺教程,你將有信心在本能層面上理解所有技術。一旦你開始動手編碼練習,你會親眼發現你的體驗會變得更有意義。這是一套改變遊戲規則的課程。

3.令人振奮的專案

你是否厭倦了以過度使用的過時資料集為基礎開發的課程?

對吧?好了,快來體驗下我們的課程吧。

在本課程中,我們將研究真實的資料集,以解決實際的業務問題。(絕對不是我們在每門課程中看到的那種無聊的虹膜或數字分類資料集)。在本課程中,我們將解決六個現實世界的挑戰:

· 解決客戶流失問題的人工神經網路

· 用於影象識別的卷積神經網路

· 預測股票價格的遞迴神經網路

· 調查欺詐的自組織對映

· 建立推薦系統的玻爾茲曼機(Boltzmann Machine)

· 接受挑戰,助力贏得Netflix百萬美金大獎的堆疊自編碼器(Stacked Autoencoder)*

*堆疊自編碼器是深度學習中的一種全新技術,幾年前根本還不存在這種技術。我們還沒有在哪兒見到過這種方法能被以足夠的深度進行解釋。

4.動手編碼

在Deep Learning A-Z™中,我們與您一起編碼。每套實用教程都是從一張白紙開始的,讓我們從零開始編寫程式碼。通過這種方式,你可以順著完全理解程式碼是如何組合在一起的,以及每行程式碼的含義。

此外,我們將以這種方式有目的地構建程式碼,以便你可以下載並將其應用於自己的專案中。此外,我們會逐步解釋在何處以及如何修改程式碼以插入你的資料集,根據你的需要定製演算法,以獲得你所需要的輸出。

這是一門自然延伸至你職業生涯的課程。

5.課程內支援

你是否上過一門課程或閱讀過一本書,雖然有問題但無法聯絡到作者?

好了,這門課程可不同哦。我們完全致力於使這門課程成為世界上最具破壞性和最強大的深度學習課程。當你需要我們的幫助時,我們有責任時刻為你解疑答惑。

事實上,由於我們身體上也需要進食和睡眠,因此我們組建了一支專業的資料科學家團隊來幫助我們。無論您何時提出問題,最多48小時內即可得到我們的回覆。

無論你的問題有多複雜,我們都會幫你解答。歸根結底,我們希望你成功。

— 工具 —

Tensorflow和Pytorch是深度學習中最受歡迎的兩個開源庫。在本課程中,這兩個庫你都會學習到!

TensorFlow由谷歌開發,用於他們的語音識別系統、新的谷歌照片產品、Gmail、谷歌搜尋等等。使用Tensorflow的公司包括AirBnb、Airbus、Ebay、Intel、Uber等。

PyTorch同樣強大,目前正由Nvidia和一流大學(斯坦福、牛津、巴黎高科)的研究人員進行開發。使用PyTorch的公司包括Twitter、Saleforce和Facebook。

那麼哪個更好?為什麼?

在本課程中,你將有機會使用這兩種庫,並明白何時Tensorflow更好,以及何時PyTorch更好。在整個教程中,我們將兩者進行比較,併為你提供某些情況下最有用的提示和想法。

有趣的是,這兩個庫都只有1年多的歷史。正因如此,我們才會說:在這門課程中,我們將教你最前沿的深度學習模型和技巧。

— 更多工具 —

Theano 是另一個開源深度學習庫。它的功能與Tensorflow非常相似,但是我們仍然會介紹它。

Keras 是一個實現深度學習模型的令人難以置信的庫。它充當Theano和Tensorflow的封裝器。感謝Keras,我們可以只使用幾行程式碼就能建立功能強大且複雜的深度學習模型。這可以讓你全面瞭解你正在建立的內容。由於這個庫,你所做的一切都看起來如此清晰和有條理,你會真正理解你正在做的事情。

— 更多工具 —

Scikit-learn 最實用的機器學習庫。我們主要利用它:

· 通過最相關的技術k-折交叉驗證(k-Fold Cross Validation)來評估我們模型的效能

· 通過有效的引數調整來改進我們的模型

· 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,我們也必須提到常見懷疑。整個課程以Python為基礎,在每一部分中,你將有數小時的寶貴動手實踐編碼體驗。

此外,在整個課程中,我們將使用Numpy進行大量計算並操作高維陣列,使用Matplotlib繪製富有洞察力的圖表,並使用Pandas最高效地匯入和操作資料集。

— 這門課程是面向誰的?—

你也知道,在深度學習領域有很多不同的工具。在本課程中,我們一定會向你展示最重要和最先進的工具,這樣當你完成Deep Learning AZ™時,你的技能就處於當今技術的最前沿。

如果你是深入學習的初學者,那麼你會發現這門課程非常有用。Deep Learning A-Z™是圍繞特殊編碼藍圖方法構建的,這意味著你不會陷入不必要的複雜程式設計或數學中,而是將在課程的早期階段就能應用深度學習技術。你將從頭開始構建您的知識,並將看到你學完每套教程後自己將變得越來越有自信。

如果你已經擁有深度學習經驗,那麼你會發現這門課程令人耳目一新、令人鼓舞且非常實用。在Deep Learning AZ™中,你將掌握一些最前沿的深度學習演算法和技術(其中一些甚至一年前都不存在)。學習本課程,你將直面現實世界的商業挑戰,從而獲得大量寶貴的實踐經驗。此外,在課程中,你會找到探索新的深度學習技能和應用的靈感。

— 真實案例研究 —

掌握深度學習不僅僅是瞭解直覺和工具,你還能將這些模型應用於實際場景,併為業務或專案獲得實際可測量的結果。正因如此,在本課程中我們將介紹六個令人激動的挑戰:

#1 流失建模問題

在本部分中,你將解決銀行的資料分析挑戰。你將獲得一個包含該銀行客戶大量樣本的資料集。為了製作這個資料集,銀行收集了諸如客戶ID、信用評分、性別、年齡、年資、餘額、客戶是否活躍、有無信用卡等資訊。在6個月的期間內,銀行觀察了這些客戶是否離開或留在銀行。

你的目標是根據上面給出的地理人口統計和交易資訊建立一個人工神經網路,預測是否有任何個人客戶將離開銀行或留在銀行(客戶流失)。此外,還會要求你根據離開的可能性對銀行的所有客戶進行排名。要做到這一點,你需要使用基於概率方法的正確的深度學習模型。

如果你能成功完成此專案,你將為銀行創造重要的附加價值。通過應用你的深度學習模型,銀行可以顯著減少客戶流失。

#2 影象識別

在本部分中,你將建立一個能夠檢測影象中各種物件的卷積神經網路。我們將實現此深度學習模型,以識別一組圖片中的一隻貓或一隻狗。但是,此模型可以重複使用以檢測其他任何內容,我們將向你展示如何操作 – 只需更改輸入資料夾中的圖片即可。

例如,你將能夠在一組腦影象上訓練相同的模型,以檢測它們是否包含腫瘤。但是如果你想讓它能夠檢測貓和狗,那你可以直接拍張貓或狗的照片,然後你的模型就會預測你養了只什麼寵物。我們甚至對Hadelin的狗進行了測試!

#3 股票價格預測

在本部分中,你將建立一個最強大的深度學習模型。甚至可以這麼說,你將建立最接近“人工智慧”的深度學習模型。為什麼這麼說?因為這個模型會有長期記憶,就像我們人類一樣。

作為深度學習一個分支的遞迴神經網路(RNN)有助於實現這一點。經典的RNN具有短時記憶功能,並且正是由於這個原因它既不流行也不強大。但最近對遞迴神經網路的一項重大改進導致LSTM(長短期記憶RNN)頗為流行,這已經完全改變了競爭環境。我們非常高興能在我們的課程中加入這些尖端的深度學習方法!

在這一部分中,你將學習如何實現這個超級強大的模型,我們將接受挑戰,用它來預測真正的谷歌股票價格。斯坦福大學的研究人員已經面臨類似的挑戰,我們的目標是至少與他們一樣好。

#4 欺詐檢測

根據Markets&Markets最近釋出的一份報告,到2021年,欺詐檢測和預防市場的規模將達到3319億美元。這是一個巨大的行業,對高階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加入了該案例研究。

即第2冊的第一部分 – 無監督深度學習模型。其業務挑戰是檢測信用卡申請中的欺詐。你將為銀行建立深度學習模型,你會得到一個數據集,其中包含申請高階信用卡客戶的資訊。

這是客戶填寫申請表時提供的資料。你的任務是檢測這些申請中的潛在欺詐行為。這意味著,在挑戰結束時,你將能夠明確列出那些可能在申請中作弊的的客戶。

#5 & 6 推薦系統

從Amazon產品建議到Netflix電影推薦 – 好的推薦系統在今天的世界中非常有價值。能夠創造推薦系統的專家是世界上收入最高的資料科學家。

我們將研究一個與Netflix資料集具有完全相同功能的資料集:海量電影,及對看過的電影進行了評分的成千上萬名使用者。與Netflix資料集完全相同,從1到5分進行打分,這讓推薦系統的構建比只是評“喜歡”或“不喜歡”更復雜。

你最終的推薦系統將能夠對客戶未看過的電影進行打分預測。相應地,通過將預測從5到1分進行打分,你的深度學習模型將能夠為每個使用者推薦應該觀看哪些電影。建立如此強大的推薦系統是一個相當大的挑戰,所以我們會給自己兩次機會。這意味著我們將使用兩種不同的深度學習模型來構建推薦系統。

我們的第一個模型是Deep Belief Networks,複雜的玻爾茲曼機(Boltzmann Machine)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自動編碼器(AutoEncoders),這是我個人的最愛。你會被其簡潔和強悍所震驚。

而且你甚至可以將它用於你自己或你的朋友。電影列表一目瞭然,因此你只需要對已經看過的電影進行打分,在資料集中輸入你的評分,執行你的模型,然後就瞧好吧!如果不知道想在Netflix上看什麼電影,推薦系統會準確地告訴你哪天晚上你會喜歡哪些電影!

— 總結 —

總之,這是一個令人興奮的培訓計劃,滿滿的都是直覺教程、實踐練習和真實案例研究。

我們對深度學習充滿熱情,希望能在課堂上見到你哦!

Kirill & Hadelin

目標受眾

  • 對深度學習感興趣的人
  • 至少具有高中數學知識並希望開始進行深度學習的學生
  • 任何瞭解機器學習或深度學習基礎知識(包括線性迴歸或邏輯迴歸等經典演算法以及人工神經網路等更高階的主題),但希望瞭解更多知識並探索深度學習所有不同領域的中級水平人士
  • 任何對編碼不甚熟悉但對深度學習感興趣並希望在資料集上輕鬆應用深度學習的人士
  • 任何想要開始從事資料科學職業的在校大學生
  • 任何想要在深度學習中更上一層樓的資料分析師
  • 任何對自己的工作不滿意並希望成為資料科學家的人士
  • 任何想要通過使用強大的深度學習工具為其業務創造附加價值的人士
  • 任何想要了解如何在其企業中利用深度學習的指數技術的企業主
  • 任何希望利用最前沿的深度學習演算法顛覆行業認知的企業家

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

優惠資訊

如何購買這門課程比較划算?可以參考課程購買優惠說明


報名參加課程

Sponsored by Udemy

也許你會有興趣

 學習資訊不漏接-歡迎使用 App 訂閱發文通知 

Spread the love

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: