深度學習 : 以 Python 實踐卷積神經網路( CNN )

用於電腦視覺、自然語言處理 (NLP) + 更多的 Tensorflow 2 CNN！將電腦視覺和資料科學與機器學習相結合！

從這 14 小時的課程，你會學到

了解卷積以及為什麼它對深度學習有用
理解並解釋卷積神經網路 (Convolutional Neural Network，CNN) 的架構
在 TensorFlow 2 中實作 CNN
將 CNN 應用於具有挑戰性的影像辨識任務
將 CNN 應用於自然語言處理 (Natural Language Processing，NLP) 進行文字分類（例如垃圾郵件偵測、情緒分析）
了解 OpenAI ChatGPT、GPT-4、DALL-E、Midjourney 和 Stable Diffusion 的重要基礎

要求

基礎數學（求導、矩陣算術、機率）很有幫助
Python、Numpy、Matplotlib

課程說明

有沒有想過 OpenAI ChatGPT、GPT-4、DALL-E、Midjourney 和 Stable Diffusion 等人工智慧技術到底是如何運作的？在本課程中，你將學習這些突破性應用程式的基礎。

了解迄今為止最強大的深度學習架構之一！

卷積神經網路 (CNN) 已用於在電腦視覺任務中獲得最先進的結果，例如物件偵測、影像分割以及生成現實中不存在的人和事物的照片級真實影像世界！

本課程將教你卷積的基礎知識以及為什麼它對深度學習甚至 NLP（自然語言處理）有用。

你將學習資料增強和批量標準化等現代技術，並自行建立 VGG 等現代架構。

本課程將教你：

機器學習和神經元的基礎知識（只是一個讓你熱身的回顧！）
用於分類和回歸的神經網路（只是一個讓你熱身的回顧！）
如何在程式碼中對圖像資料建模
如何為 NLP 建模文字資料（包括文字的預處理步驟）
如何使用 Tensorflow 2 建立 CNN
如何在 Tensorflow 2 中使用批量歸一化和 dropout 正規化
如何在 Tensorflow 2 中進行影像分類
如何為你自己的自訂影像資料集進行資料預處理
如何在 Tensorflow 2 中使用嵌入進行 NLP
如何建構 NLP 的文字分類 CNN（範例：垃圾郵件偵測、情緒分析、詞性標記、命名實體辨識）

本課程所需的所有材料都可以免費下載和安裝。我們將在 Numpy、Matplotlib 和 Tensorflow 中完成大部分工作。我隨時可以回答你的問題並幫助您完成數據科學之旅。

本課程重點關注“如何建立和理解”，而不僅僅是“如何使用”。任何人在閱讀一些文件後都可以在 15 分鐘內學會使用 API。這不是“記住事實”，而是透過實驗“親眼目睹”。它將教你如何視覺化模型內部發生的情況。如果你想要的不僅僅是機器學習模型的膚淺了解，那麼本課程適合你。

建議的先決條件：

矩陣加法和乘法
基本機率（條件分佈和聯合分佈）
Python 程式編輯：if/else、迴圈、列表、字典、集合
Numpy 程式編輯：矩陣與向量運算、載入 CSV 檔案

我應該按什麼順序學習你的課程？

查看講座「機器學習和 AI 先決條件路線圖」（可在我的任何課程的常見問題中找到，包括免費的 Numpy 課程）

獨特的功能

每行程式碼都有詳細解釋 – 如果您不同意，請隨時給我發電子郵件
不像其他課程那樣浪費時間在鍵盤上「打字」 – 說實話，沒有人能真正從頭開始在短短 20 分鐘內編寫出值得學習的程式碼
不害怕大學程度的數學 – 獲取其他課程遺漏的演算法的重要細節

目標受眾

學生、專業人士以及對深度學習、電腦視覺或 NLP 感興趣的任何其他人
想要提升職業水平的軟體工程師和資料科學家

講師簡介

Lazy Programmer Inc 資料科學家和大數據工程師

我是一名資料科學家、大數據工程師和全端軟體工程師。

我有電腦工程的碩士，專長為機器學習和模式辨識。

我曾在網路廣告和數位媒體企業擔任過資料科學家和大數據工程師，圍繞所謂的資料建構各種高流量的 web 服務。我曾經使用 Hadoop / Pig / MapReduce 創建新的大數據管道，也曾建立機器學習模型來預測點擊率，使用線性迴歸、Bayesian Bandits 和協同過濾 ( collaborative filtering )建立新聞推薦系統，並使用A / B測試驗證結果。

我曾在大學部與研究所教授資料科學、統計學、機器學習、演算法、微積分、電腦圖學和物理學，任職的學校如哥倫比亞大學、紐約大學、Hunter 學院和 The New School。

有多家企業已從我的 Web 程式設計專業知識中受益。我做所有的後端(伺服器)、前端（HTML / JS / CSS）和運營/佈署工作。我使用的技術包含：Python、Ruby / Rails、PHP、Bootstrap、jQuery（Javascript）、Backbone 和 Angular。至於儲存/資料庫，我採用 MySQL、Postgres、Redis、MongoDB等。