深度學習 : 以 Python 實踐迴歸神經網路( RNN )

GRU、LSTM、時間序列預測、股票預測、使用人工智慧的自然語言處理 (Natural Language Processing ，NLP)

從這 13 小時的課程，你會學到

將 RNN 應用於時間序列預測（解決普遍存在的「股票預測」問題）
將 RNN 應用於自然語言處理 (NLP) 和文字分類（垃圾郵件偵測）
將 RNN 應用於影像分類
了解簡單循環單元（Elman 單元）、GRU 和 LSTM（長短期記憶單元）
在 Tensorflow 2 中編寫各種循環網絡
了解如何緩解梯度消失問題
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

*** 現在在 TensorFlow 2 和 PYTHON 3 中 ***

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，您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！

循環神經網路 (RNN) 已用於在序列建模中獲得最先進的結果。

這包括時間序列分析、預測和自然語言處理 (NLP)。

了解為什麼 RNN 能夠擊敗隱馬可夫模型等老式機器學習演算法。

本課程將教您：

機器學習和神經元的基礎知識（只是一個讓您熱身的回顧！）
用於分類和回歸的神經網路（只是一個讓您熱身的回顧！）
如何對序列資料建模
如何對時間序列資料建模
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 建置 RNN
如何在 Tensorflow 2 中使用 GRU 和 LSTM
如何使用 Tensorflow 2 進行時間序列預測
如何在 Tensorflow 2 中使用 LSTM 預測股票價格和股票回報（提示：這不是你想的那樣！）
如何在 Tensorflow 2 中使用嵌入進行 NLP
如何建構用於 NLP 的文本分類 RNN（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。我隨時可以回答您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”。它將教您如何視覺化模型內部發生的情況。如果您想要的不僅僅是機器學習模型的膚淺了解，那麼本課程適合您。

課堂見！

“If you can’t implement it, you don’t understand it.”

或者正如偉大的物理學家理查費曼所說：「我無法創造的東西，我就不理解」。
我的課程是唯一您將學習如何從頭開始實現機器學習演算法的課程
其他課程將教您如何將資料插入庫中，但您真的需要 3 行程式碼的幫助嗎？
對 10 個資料集執行相同的操作後，您意識到自己沒有學到 10 件事。你學到了 1 件事，只是重複了同樣的 3 行程式碼 10 次…

建議的先決條件：

矩陣加法、乘法
基本機率（條件分佈和聯合分佈）
Python 編碼：if/else、循環、列表、字典、集合
Numpy 編碼：矩陣與向量運算、載入 CSV 文件

提示(通過課程)：

以 2x 觀看。
拿手寫筆記。這將大大增加你記住訊息的能力。
寫下方程。如果你不這樣做，我保證它看起來像亂碼。
在討論板上提出許多問題。越多越好！
意識到大多數練習將需要幾天或幾週才能完成。
自己編寫程式碼，不要只是坐在那裡看我寫程式。

修課順序

查看講座 “ What order should I take your courses in?” （可在我的任何課程的附錄中找到，或請參考先修課）

本課程特性

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、時間序列預測、序列資料或 NLP 感興趣的任何其他人
想要提升職涯的軟體工程師和資料科學家

講師簡介

Lazy Programmer Inc 人工智慧和機器學習工程師

Lazy Programmer 是一位經驗豐富的線上教育者，對分享知識有著堅定不移的熱情。憑藉 10 多年的經驗，他透過綜合課程和教程吸引了全世界的觀眾，徹底改變了資料科學和機器學習領域。

Lazy Programmer 擁有多學科背景，擁有卓越的雙碩士學位。他第一次涉足學術界，開始研究電腦工程，特別關注機器學習和模式識別。隨後，他不受界限的束縛，進入了統計領域，探索其在金融工程中的應用。

這位 Lazy Programmer 被認為是該領域的開拓者，當他還處於 AI 啟蒙期時，他很快就接受了深度學習的力量。作為先驅之一，他無所畏懼地開始教授第一門深度學習線上課程，使他躋身行業尖端。

除了教育領域之外，Lazy Programmer 還擁有寶貴的實務經驗，這些經驗塑造了他的專業知識。他在線上廣告和數位媒體方面的冒險取得了驚人的成果，將點擊率和轉換率推向了新的高度，並為他工作的公司增加了數百萬美元的收入。身為全端軟體工程師，他熟悉一系列後端和 Web 技術，包括 Python、Ruby on Rails、C++、Scala、PHP、Javascript、SQL、大數據、Spark 和 Redis。

雖然他在資料科學和機器學習領域的成就令人驚嘆，但這位懶惰程式設計師的求知欲遠遠超越了這些領域。他對知識的熱情促使他探索藥物發現、生物資訊學和演算法交易等不同領域。他擁抱這些學科的挑戰和複雜性，努力發掘它們的潛力並為其發展做出貢獻。

憑藉對學生堅定不移的承諾和簡化複雜概念的愛好，這位懶惰的程式設計師成為線上教育領域的一位有影響力的人物。透過他在數據科學、機器學習、深度學習和人工智慧方面的課程，他使有抱負的學習者能夠自信地駕馭這些學科的複雜領域。

身為作家、導師和創新者，Lazy Programmer 在資料科學、機器學習等領域留下了不可磨滅的印記。憑藉揭開最複雜概念神秘面紗的能力，他繼續塑造下一代資料科學家，並激勵無數人踏上自己的智力之旅。