fbpx

機器學習的深度學習課程 (包含獨家實驗室線上實作)

課程簡介

從行業專家學習 TensorFlow、卷積神經網路( Convolutional Neural Networks )、遞迴神經網路( Recurrent Neural Networks )、自動編碼器( Autoencoders )和強化學習( Reinforcement Learning)

限時 25% 折扣碼 : FLASH25

關於這個專業技術

你有沒有想過無人駕駛汽車是如何在公路上行駛的,Netflix 是如何向你推薦你喜歡的電影,亞馬遜是如何向你推薦產品的,谷歌搜尋是如何給你提供如此精確的結果,智慧手機的語音識別是如何工作的,世界冠軍在圍棋比賽中是如何被擊敗的? 機器學習是這些創新背後的原因。

最近機器學習和深度學習方法已經被證明比其他方法有更好的解決問題準確性。 這在機器學習領域引發了一場海嘯。 大多數被認為是專業化的領域現在正在被合併到機器學習中。 這是由於以下原因:

  • 更好的研究和演算法
  • 更好的計算資源
  • 分散式計算基礎設施
  • 大數據的有效性
  • 資料分析、軟體工程和人工智慧等計算領域都將受到機器學習的影響。 因此,每個工程師、研究人員、管理人員或科學家都應該瞭解機器學習。

所以很自然地,你對機器學習感到興奮,並且很樂意深入研究它。 此專業課程是為那些希望獲得實際操作經驗,使用機器學習和深度學習解決現實生活中的問題的人設計。 在完成這個專業課程之後,你會找到創造性的方法將你所學應用到你的工作中。

例如 : 你想建立一個機器人,可以識別面孔或在發現路徑上有障礙時改變路徑, 或者也許你想挖掘你公司的海量資料(日誌、財務記錄、人力資源報告或電子商務交易報告)中隱藏的寶石(比如預測明年的收入或欺詐交易或建立一個推薦引擎等) 期待在課程中見到你,快樂學習!

課程包含

1 個課

向業界專家學習。 按照建議的順序或選擇你自己需要的。

專案和實驗室

將你在分散式叢集中學到的技能應用於解決實際問題

一流的支援

24 x 7 支援和使用論壇回答你在整個學習過程中的所有問題

證書

在你的履歷或者 LinkedIn 上突顯你的新技能

報名

學習路徑

本課程是機器學習和深度學習專業課程的一部分

1 深度學習簡介

深度學習應用,人工神經網路,TensorFlow 演示,深度學習框架

2 使用 TensorFlow 啟動並執行

安裝、建立第一個圖並在會話(a Session )中執行,管理圖,節點值的生命週期,使用 TensorFlow 進行線性回歸,實現梯度下降,將資料提供給訓練演算法,儲存和恢復模型,使用視覺化圖形和用 TensorBoard 訓練曲線 ,名稱範籌,模組化,共享變數

3 人工神經網路簡介

從生物學到人工神經元,使用 TensorFlow 的高階 API 訓練 MLP,使用簡約的TensorFlow ( Plain TensorFlow )訓練 DNN,微調神經網路超參數( Hyerparameters )

4 訓練深度神經網路

消失/爆炸梯度問題,重複使用預訓練層( Pretrained Layers ),更快速的優化器,通過正規化避免過度彌合,實用指南

5 卷積神經網路

視覺皮層( Visaul Cortex )的架構,卷積層( Convolutional Layer ),池層( Pooling Layer ),CNN 架構

6 遞迴神經網路

遞迴神經元,TensorFlow 中的基本 RNN,訓練 RNN,深度 RNN,LSTM 細胞,GRU 細胞,自然語言處理

7 自動編碼器( Autoencoders )

高效的資料表示,使用不完整的線性自動編碼器執行 PCA,堆疊自動編碼器,使用堆疊自動編碼器的無監督預訓練,去噪( Denoising  )自動編碼器,稀疏( Sparse )自動編碼器,變分自動編碼器( VAE,Variational Autoencoders)

8 強化學習

以優化獎勵( Optimize Rewards )做學習,政策搜尋( Policy Search ),OpenAI 健身房( Gym )簡介,神經網路政策,評估行動:信用分配問題,政策梯度,馬可夫決策過程( Markov Decision Processes ),時序差分學習( Temporal Difference Learning )和 Q-Learning,學習使用深度 Q-Learning 扮演 Ms. Pac-Man

9 測驗,遊戲化評估和專案

課程要實做的專案

1 使用神經網路建構貓分類器

在這個專案中,你將建構一個基本的神經網路來分類給定的影像是否是貓

2 使用Inception v3 對大圖​​像進行分類

下載各種動物的圖像,然後下載最新的預訓練的 Inception v3 模型。運行模型以對下載的圖像進行分類,並顯示每個圖像的前五個預測以及估計的概率。

3 使用 TensorFlow 對衣服進行分類

建立一個模型,將衣服分類為 Fashion MNIST 資料集中的各種類別。

4 預測每小時雨量計總量

這是一個時間序列預測任務:你將獲得極化雷達值的快照,並要求你預測每小時雨量計的總和。

證明書

獲得你的證書

我們的專業化是詳盡的,證書獎勵由我們證明你已經在機器學習與深度學習領域大飛躍。

讓自己與眾不同

你從專案、視訊、測驗、實踐評估和案例研究中獲得的知識會給你帶來競爭優勢。

分享你的成就

在你的履歷、 LinkedIn、 Facebook 和 Twitter 上突顯你的新技能。 告訴你的朋友和同事。

課程討論專區

也許你會有興趣

 歡迎使用 e-mail 訂閱 Soft & Share 

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: