课程描述
The Complete Neural Networks Bootcamp: Theory, Applications 是一门基于 Python 编程语言和 PyTorch 库的神经网络和深度学习系统的培训课程，由 Udemy Academy 出版。该培训课程涵盖所有理论和实践主题，并采用完全实用和以项目为导向的方法。
您将在完整的神经网络训练营中学到什么：理论、应用
- 人工神经网络理论与实践
- 反向传播算法的发展
- 神经网络中的激活函数
- 损失函数及其在深度学习和神经网络中的应用
- 在神经网络中实现最佳点的各种优化技术
- 梯度下降优化算法
- 随机梯度下降优化算法
- 动量优化算法
- 自适应梯度法（AdaGrad）
- RMSProp 算法
- 自适应影响估计方法（亚当）
- 神经网络中的正则化技术
- 熟悉过拟合现象和防止它的技术
- 减少神经网络过拟合的随机消除技术
- 归一化技术
- 批量归一化
- 层归一化
- PyTorch 深度学习框架
- 安装和配置 PyTorch 框架
- 前馈神经网络
- Feed神经网络手写品种分类
- 使用提要神经网络对数据库个体进行分类
- 在一组不同的数据集上练习和训练人工神经网络
- 学习和练习神经网络过程的插图和图形表示
- 非线性数据分离
- 无需专门的库和框架，仅使用 Python 编程语言和 numpy 库设计和开发神经网络
- 卷积网络
- 广泛应用于深度学习项目开发的架构和开发模式
- AlexNet架构
- VGGNet 神经网络
- Inception 网络架构
- 残差网络
- 深度学习中的目标检测
- 迁移学习
- 实施图像识别和图像分类技术
- 自动编码器
- 循环神经网络
- 短期长期记忆 (LSTM)
- 词嵌入模型
- 和 …
课程规格
出版商：Udemy 讲师：Fawaz Sammani 语言：英语水平：入门级到高级课程数量：306 课时：43 小时 47 米
课程主题
完整的神经网络训练营：理论、应用先决条件
最好有一些基本的 Python 经验
一些高中数学
图片
完整的神经网络训练营：理论、应用介绍视频
媒体错误：格式不受支持或来源未找到
安装指南
在 Extract 之后，用您最喜欢的播放器观看。
英文字幕
画质：720p
变化：
2021/11版本相比2021/7增加了26课时和2小时32分钟的时长。
下载链接
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
