使用 Python 和 Keras 從零開始學習深度學習

Contents

使用 Python 和 Keras 理解和構建圖像、文本等的深度學習模型

iOS 的程式庫也要正式支援機器學習，看了一下 iOS Core ML 網頁說明，機器學習模型並不是在 iOS 裝置上訓練的，而是透過一個 Python 工具將目前熱門的深度學習開源工具 ( Karas、Caffe、scikit-learn 等 ) 訓練好的模型轉換給 iOS Core ML 使用，iOS Core ML 說明網頁也有提供幾個訓練好的模型供開發者測試 ( 例如可以辨識 205 種類別的影像演算法模型 )

除了 Apple 提供的模型，要如何訓練符合自己需求的深度學習的模型給 iOS Core ML 使用？對於這個技術有興趣，這個課程剛好可以符合你的需求

從這 10 小時的課程，你會學到

以簡單而準確的方式描述深度學習
解釋深入學習可以用來建構預測模型
區分哪些實際應用可以從深度學習中受益
要安裝和使用 Python 和 Keras 建構深入的學習模型
應用深度學習來解決關於影像，文字，聲音，時間序列和表格數據的監督和非監督學習問題。
建構，訓練和使用 fully connected，卷積和遞歸神經網路
無懼地觀察深入學習模型的內部結構，並具有調整其參數的能力
使用 GPU 在雲端中訓練和運行模型
估算大型模型的訓練費用
重新使用預先訓練的模型來減少訓練時間和成本（轉移學習）

需求

擁有 Python 知識，熟悉控制流程（if / else，for 迴圈）和 pythonic 建構式（functions，classes，iterables，generators）
會使用 bash shell（或同功能的命令列工具）和基本命令來複製和移動檔案
熟悉線性代數的基本知識（什麼是向量，什麼是矩陣，如何計算 dot product ）
會使用 ssh 連接到雲端伺服器

說明

本課程主要在提供深入學習的完整介紹。它針對熟悉 Python 的初學者和中級程式設計師和資料科學家，並希望了解並應用深度學習技術來解決各種問題。

我們從深入學習應用程式的檢閱和機器學習工具技術的概述開始。然後我們介紹人工神經網路，並解釋他們如何訓練來解決回歸和分類問題。

在其餘的課程中，我們介紹並解釋了包括完全連接，卷積( CNN )和遞歸神經網路 ( RNN )在內的多種架構，並且我們為每個架構解釋了這一理論並給出了大量的應用程式範例。

本課程是理論與實踐的平衡。我們不迴避解釋數學細節，同時我們提供練習和程式碼範例來應用你剛學到的內容。

目標是為學生提供堅實的基礎，而不僅僅是理論，而不僅僅是腳本，而是兩者兼備。在課程結束時，你將能夠認識到深度學習可以解決哪些問題，你將能夠設計和訓練各種神經網路模型，你將能夠使用雲端運運算來加快訓練並提高你的模型性能。

目標受眾是？

對資料科學和深度學習各種相關事物感興趣的軟體工程師，並希望更好地了解它
熟悉機器學習的資料科學家，希望發展深入學習的強大基礎知識

講師簡介

Jose Portilla 資料科學家

Jose Marcial Portilla 擁有來自聖克拉拉(Santa Clara )大學的機械工程學士學位和碩士學位，也有多年資料科學和程式設計專業教練和培訓師的經驗。他在各種領域如微流體、材料科學和資料科學技術中有出版物和專利。在他的職業生涯中，他已經發展了分析資料的技能，他希望利用他在教學和資料科學方面的經驗，幫助其他人學習程式開發的能力、分析資料，以及清晰地呈現數據和漂亮的可視化。目前他是Pierian Data Inc.的資料科學主管，為世界各地的各種公司提供現場資料科學和python培訓課程，包括瑞士信貸等頂級銀行。隨時在LinkedIn上與他聯繫，獲取個人培訓課程的更多資訊。