用於神經網路和深度學習的 Tensorflow 和 Keras

掌握 Python 資料科學中最重要的深度學習框架(Tensorflow & Keras)

從這 8 小時的課程，你會學到

利用Anaconda / iPython 的強大功能進行實用的資料科學
學習如何在 Anaconda 中安裝和使用 Tensorflow
用 Tensorflow 實現統計與機器學習
用 Tensorflow 和 Keras 實現神經網路建模
使用 Tensorflow 和 Keras 實現基於深度學習的非監督式學習
使用 Tensorflow 和 Keras 實現基於深度學習的監督式學習
用 Tensorflow 和 Keras 實現卷積神經網路( CNN )

要求

能夠在電腦上操作和安裝軟體
事先了解基於 Python 的資料科學將是有益的
事先接觸基本的統計概念和實現將是有用的
先前接觸過常見的機器學習術語，如交叉驗證

課程說明

這是一個完整的在 Python 中使用 Tensorflow 和 Keras 神經網路和深度學習訓練課程！

這是一個完整的 7 小時以上的 Python Tensorflow & Keras 神經網路和深度學習訓練營，將幫助您學習基本的機器學習，神經網路和深度學習使用兩個最重要的深度學習框架-Tensorflow 和 Keras。

以下是你應該報名參加這門課程的原因:

本課程是您使用 Python 中的 Tensorflow & Keras 框架進行機器學習和深度學習實務的完整指南。 .

這意味著，這門課程涵蓋了 Keras 和 Tensorflow (Google 強大的深度學習框架)的重要方面，如果你選修了這門課程，你就不用再選修其他課程或購買基於 Python Tensorflow 和 Keras 的資料科學方面的書籍。

在這個大數據時代，全球各地的公司都在使用 Python 來篩選他們所掌握的大量資訊，而 Tensorflow 和 Keras 的出現正在徹底改變深度學習… ..。

通過熟練掌握 Keras 和 Tensorflow，你可以給你的公司一個競爭優勢，並將你的職涯提升到一個新的水平。

這是我對你的承諾: 完成這一個課程，成為一個專業的 KERAS & TENSORFLOW 基於資料科學的實務工程師！

但首先要做的事情是。我的名字是 Minerva Singh，是牛津大學哲學碩士（地理與環境）畢業生。我最近在劍橋大學獲得了博士學位（熱帶生態學和保護）。

我有多年使用資料科學相關技術分析來自不同來源的真實數據以及為國際同行評審期刊發表出版物的經驗。

在我的研究過程中，我發現幾乎所有的 Python 資料科學課程和書籍都沒有考慮到該主題的多維性，並且將資料科學與機器學習交替使用。另一方面，我的課程將為你在 Tensorflow 框架內資料科學的各個方面提供堅實的基礎。

與其他 Python 課程不同，我們深入研究 Tensorflow 和 Keras 的統計建模功能，並提供你這些框架的獨特的基礎！

發現基於 PYTHON 的 TENSORFLOW 資料科學的8個完整部分:

全面介紹 Python 資料科學和強大的 Python 驅動的資料科學框架，Anaconda
開始使用 Jupyter 筆記本來實現 Python 中的資料科學技術
一個關於 Tensorflow & Keras 安裝和其他 Python 資料科學軟體套件的全面介紹
Pandas 和 Numpy 的工作簡介
Tensorflow 和圖形環境的基礎語法
Keras 的語法基礎
機器學習
Tensorflow 和 Keras 框架中的機器學習
機器學習、監督式學習學習、非監督式學習學習
你甚至會發現如何使用 Tensorflow 和 Keras 建立人工神經網路和深度學習結構

但是，等等！這不只是另一個資料科學課程:

您將從吸收最有價值的 Python Tensorflow 和 Keras 基礎知識和技術開始。

我使用易於理解的、實際操作的方法來簡化甚至解決最難的概念。

我的課程將幫助您使用從不同來源獲得的真實資料來實現這些方法。許多課程使用虛構的資料，這並不能使學生在真實生活中實現基於 Python 的資料科學。

學完這門課程後，你可以很容易地使用像 Numpy、 Pandas 和 Matplotlib 這樣的軟體套件來處理 Python 中的真實資料，同時還可以在 Tensorflow 和 Keras 獲得流利的操作體驗。我甚至將向您介紹深度學習模型，如卷積神經網路(CNN) ! ！

本課程的基本動機是確保你今天能夠將基於 Python 的資料科學應用於實際資料中，開始為你自己的專案分析資料，無論你的技能水平如何，並且用你資料科學能力的實際範例給你的潛在僱主留下深刻印象。

本課程將帶領沒有 Python 和 / 或統計背景的學生從基礎水平到使用強大的基於 Python 的 Jupyter 筆記本執行一些最常見的高階資料科學技術

這是一個實用的，動手做的課程，也就是說，我們將花費一些時間處理一些與資料科學相關的理論概念。然而，本課程的大部分將集中於實現對真實資料的不同技術並解釋結果。 .

在每個視訊後，你將學習一個新的概念或技術，你可以應用到你自己的專案！

現在就參加課程吧！

目標受眾

對學習基於 Python 的資料科學應用程式 Tensorflow 和 Keras 感興趣的人
有 Python 程式設計和 / 或資料科學概念經驗的人
有興趣使用 Tensorflow 實現神經網路和深度學習模型的人
對使用 Keras 實現神經網路和深度學習模型感興趣的人

講師簡介

Minerva Singh Udemy 暢銷課程講師和資料科學家(劍橋大學)

我於 2017 年獲得博士學位（英國劍橋大學），研究重點是實施資料科學技術來量化森林消失對熱帶生態系統的影響。我擁有牛津大學哲學碩士學位（地理與環境學院）和理學碩士學位（工程系）。我擁有超過 10 年的學術研究經驗（發表在 PLOS One 等高水平同行評審的國際科學期刊上），並為非政府和行業利益相關者提供數據科學、深度學習和地球觀測（EO）相關主題方面的建議。

我擁有使用 R 和 Python 實現機器學習、資料視覺化、空間資料分析、深度學習和自然語言處理任務的豐富經驗。除了在世界上最好的大學接受教育之外，我還透過許多 MOOC 磨練了我的統計和資料分析技能，包括 The Analytics Edge（EdX 提供的基於 R 的統計和機器學習課程）、Statistical Learning（史丹佛線上提供的基於 R 的機器學習課程）和 IBM Data Science Professional 證書課程。我專攻各種主題，包括深度學習（Tensorflow、Keras）、機器學習、空間資料分析（包括 EO 資料處理）、資料視覺化、自然語言處理、財務分析等。我曾擔任《遙感》等知名學術期刊的同儕審查員，並在開放資料科學會議（ODSC）等著名論壇上發表客座演講。