fbpx

使用 Python 實做 TensorFlow 深度學習的完整指南課程

了解如何使用 Google 的深度學習框架 – TensorFlow,並配合 Python 解決尖端技術的問題!

简体中文课程介绍

從這堂 14 小時的課你將學到

  • 了解神經網路的工作原理
  • 使用 Python 從頭開始建構你自己的神經網路
  • 使用 TensorFlow 進行分類和回歸任務
  • 使用 TensorFlow 以卷積神經網路 (Convolutional Neural Networks ) 進行圖像分類
  • 使用 TensorFlow 以遞歸神經網路 ( Recurrent Neural Networks ) 進行時間序列分析
  • 使用 TensorFlow 以 AutoEncoders 解決非監督式學習問題 ( Unsupervised Learning Problems)
  • 學習如何以 OpenAI Gym 執行增強式學習 ( Reinforcement Learning )
  • 用 TensorFlow 建立生成式對抗網路 ( Generative Adversarial Networks )
  • 成為深入學習的大師!

課程說明

本課程將引導你了解如何使用 Google 的 TensorFlow 框架來創建人工神經網路進行深度學習!本課程目的在讓你輕鬆了解 Google TensorFlow 框架複雜性的指南。 市面許多課程和教學往往遠離純粹的 tensorflow,只使用抽象,給用戶較少的控制。 終於我們在此提供一個完整的指南,教你使用 TensorFlow 框架,同時展示深入學習中的最新技術!

本課程設計以平衡理論和實踐,配備完整的 jupyter 筆記本程式碼指南與易於參考的簡報頁,以及筆記。 我們還提供很多練習,來測試你一路所學的新技能!

本課程涵蓋了各種主題,包括

  • 神經網路基礎
  • TensorFlow 基礎知識
  • 人工神經網路
  • 密集連結的網路
  • 卷積神經網路
  • 遞歸神經網路
  • AutoEncoders
  • 加強式學習
  • OpenAI Gym
  • 以及更多更多!

市面有很多深度學習框架,那麼為什麼要使用 TensorFlow?

TensorFlow是一個用資料流圖進行數值計算開源軟體庫。圖中的節點 ( node ) 代表數學運算,而圖形接線 ( edge ) 代表在節點間傳遞的多維資料陣列(張量,tensor)。靈活的架構允許你使用單一 API 將計算佈署到桌面、伺服器或行動設備中的一個或多個 CPU 或 GPU。 TensorFlow 最初由 Google 機器智能研究機構的 Google Brain 團隊研究人員和工程師開發,用於進行機器學習和深層神經網路研究,但該系統也可適用於一般各種其他領域。

 

p.s. 右圖來自Google TensorFlow 社區 

tensors_flowing

世界各地的主要公司正在使用,包括Airbnb、Ebay、Dropbox、Snapchat、Twitter、Uber、SAP、高通、IBM、英特爾,當然還有Google!

今天就成為機器學習的大師吧! 我們希望在課程中見到你!

要求

  • 一些程式設計的知識(最好是 Python)
  • 一些數學的基本知識(平均值、標準差等)

目標受眾

渴望用 TensorFlow 實踐最新的深度學習技巧的 Python 開發者

你的講師

Jose Portilla  資料科學家 ( 更多講師主講課程介紹 )

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,他已經發展了分析數據的技能,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,分析數據,以及清晰地呈現數據和漂亮的可視化。目前他是Pierian Data Inc.的數據科學主管,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,獲取有關面對面培訓課程的更多信息。

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

優惠資訊

如何購買這門課程比較划算?可以參考課程合購優惠方案


報名參加課程

Sponsored by Udemy

你可能會有興趣

 歡迎使用 e-mail 訂閱 Soft & Share 

發表迴響

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: