- 在线视频
- ISBN-10: 0 - 13 - 661759 x
- ISBN-13: 978-0-13-661759-4
7小时以上的视频教学
一个直观的,以应用为中心的深度学习和TensorFlow, Keras和PyTorch的介绍
概述
使用TensorFlow, Keras和PyTorch进行深度学习是深度学习的介绍,通过最流行的深度学习库TensorFlow及其高级API Keras以及热门的新库PyTorch的交互式演示,将革命性的机器学习方法带入生活。基本理论是白板,提供了一个直观的理解深度学习的基础;也就是人工神经网络。与基于python的Jupyter笔记本中提供的克服常见陷阱和动手代码运行的提示相结合,这些基础知识使以前没有神经网络理解的个人能够构建强大的最先进的深度学习模型。
客户审查
我喜欢乔恩的材料,因为他煞费苦心地引导你完成操作的机制。
技术水平
学习如何
- 在所有主要的库中构建深度学习模型:TensorFlow, Keras和PyTorch
- 了解人工神经网络的语言和理论
- Excel跨越广泛的计算问题,包括机器视觉,自然语言处理和强化学习
- 通过微调模型架构创建具有最先进性能的算法
- 自我指导和完成自己的深度学习项目
谁应该修这门课
- 对深度学习感兴趣的软件工程师、数据科学家、分析师和统计学家。
- Python提供了代码示例,因此熟悉Python或其他面向对象编程语言会有所帮助。
- 不需要有统计学或机器学习方面的经验。
课程要求
具备以下任何一项经验都是一种优势,但都不是必需的:
- 面向对象编程,特别是Python
- 简单的shell命令;例如,在Bash中
- 机器学习或统计学
课程描述
第1课:深度学习和人工智能入门
第一节课首先向观众概述了神经网络是什么,它们与机器学习(ML)和人工智能(AI)的关系,以及深度学习提供的变革性应用的广度。随后,Jon利用视觉类比来描述深度学习是什么以及为什么它是一种独特而强大的方法。您可以使用交互式工具实时观察深度学习网络是如何学习的,而Jon在与您一起构建介绍性神经网络之前,将介绍如何运行他在这些直播课程中提供的代码示例。
第二课:深度学习是如何工作的
这节课首先讨论了深度神经网络的主要家族及其应用。这节课的核心是对深度学习的基本理论进行高层次的概述。为了将这一理论带入生活,Jon通过一个名为TensorFlow Playground的web应用程序向您展示了实际的深度学习。他介绍了原型深度学习数据集,然后你一起构建一个深度神经网络来解决一个经典的机器视觉问题。
第3课:高性能深度学习网络
上一课涵盖了深度学习的主要基础,并使您能够构建深度网络。本课建立在这些理论基础上,涵盖权重初始化,不稳定梯度,批归一化,如何避免过拟合,以及更复杂的学习优化器。这个额外的理论使您能够使用TensorFlows Keras API构建最先进的深度学习模型。此外,你和Jon第一次用深度学习解决了一个回归问题,到目前为止只关注分类问题。为了理解这些复杂模型的输出,在课程结束时将TensorBoard结果可视化工具添加到您的武器库中。
第四课:卷积神经网络
到目前为止,你完全依赖于密集网络来解决机器学习问题。在本课中,您将深入研究卷积层的理论,然后将它们与TensorFlow中的Keras堆叠在一起,以构建您的第一个卷积神经网络。Jon通过讨论模型架构来结束这一课。
第5课:推进你自己的深度学习项目
在第5课中,Jon比较和对比了所有领先的深度学习库,并提供了如何使用PyTorch这个热门的新库来构建深度学习模型的详细实践示例。他通过提供一个框架来优化调整任何模型超参数,然后给你关于如何构建自己的深度学习项目的建议,包括数据集和进一步自学的资源,来总结这些直播课程。
关于培生视频培训188号金宝搏网页
培生出版专家主导的视频教程,涵盖广泛的技术主题,旨在教你成功所需的技能。这些专业和个人技术视频具有由您值得信赖的技术品牌出版的世界领先的作者讲师:Addison-Wesley,思科出版社,Pearson IT认证,Prentice Hall, Sams和Que主题包括:IT认证,网络安全,思科技术,编程,Web开发,移动开发等。了解更多关于培生视频培训的信息,请访问http:/188号金宝搏网页/www.e-skidka.com/video。金宝搏188亚洲体育真人始乐
视频课程可供下载,以流媒体格式离线观看。在每节课中寻找绿色箭头。
目录表
介绍
第1课:深度学习和人工智能入门
主题
1.1神经网络、机器学习和人工智能——第1部分
1.2神经网络、机器学习和人工智能-第2部分
1.3深度学习的可视化介绍-第1部分
1.4深度学习的可视化介绍-第2部分
1.5 TensorFlow playground -可视化一个实际的深度网络
1.6在Jupyter笔记本中运行动手代码示例
1.7使用TensorFlow和keras的神经网络入门-第一部分
1.8使用TensorFlow和keras的神经网络入门-第2部分
第二课:深度学习是如何工作的
主题
2.1神经单元-第一部分
2.2神经单元-第二部分
2.3神经网络-第一部分
2.4神经网络-第2部分
2.5训练深度神经网络-第一部分
2.6训练深度神经网络-第2部分
2.7训练深度神经网络-第3部分
2.8基于TensorFlow和Keras的中间神经网络
第3课:高性能深度学习网络
主题
3.1权重初始化
3.2不稳定梯度和批量归一化
3.3模型概化-避免过拟合
3.4花哨的优化器
3.5基于TensorFlow和Keras的深度神经网络
3.6回归模型
3.7 TensorBoard和模型输出的解释
第四课:卷积神经网络
主题
4.1卷积层
4.2基于TensorFlow和Keras的卷积神经网络
4.3机器视觉应用
第5课:推进你自己的深度学习项目
主题
5.1主要深度学习库的比较
5.2使用pytorch进行深度学习-第1部分
5.3使用pytorch进行深度学习-第2部分
5.4超参数调优
5.5深度学习数据集和自学资源
总结