课程描述
Data Science: Deep Learning and Neural Networks in Python 是 Udemy Academy 发布的 Neural Networks and Deep Learning Bootcamp 的名称。本课程将让您开始使用深度学习技术构建您的第一个人工神经网络，并使用 Python 和 Numpy 构建完整的非线性神经网络。本课程使用softmax函数将之前的二元分类模型扩展到多类，并使用第一性原理推导出一种非常重要的训练方法，称为“反向传播”。它将向您展示如何使用 Numpy 功能在 Numpy 编码中首先找到“慢速方式”，然后找到“快速方式”。然后，它使用谷歌新的 TensorFlow 库实现了一个神经网络。如果你有兴趣开始你的深度学习之旅，或者如果你对机器学习和数据科学感兴趣，你应该学习这门课程。我们将超越逻辑回归和线性回归等基本模型，我将向您展示一些可以自动学习特征的东西。本课程为您提供大量实际示例，让您真正了解深度学习如何应用于任何领域。在课程中，我们将做一个课程项目，向您展示如何根据用户数据预测用户在网站上的行为，例如该用户是否在使用移动设备。 ，查看的产品数量，停留时间。在您的网站上，他们是否是回头客，以及他们在一天中的什么时间访问。课程结束时的另一个项目将向您展示如何使用深度学习进行面部表情识别。想象一下，仅凭一张照片就能预测某人的感受！在熟悉了基础知识之后，将简要概述神经网络的一些最新发展——略微修改的架构及其用例。
您将在数据科学：Python 深度学习和神经网络课程中学到什么：
- 了解深度学习的真正工作原理
- 了解如何从基本构建块（神经元）构建神经网络。
- 用 python 和 numpy 从头开始编写神经网络
- 使用 Google 的 TensorFlow 编写神经网络代码
- 描述不同类型的神经网络及其用于解决的不同类型的问题
- 从第一性原理推导出反向传播定律
- 使用 softmax 软件创建具有 K>2 类输出的神经网络
- 解释与神经网络相关的各种术语，例如“激活”、“反向传播”和“前馈”。
- 安装 TensorFlow
课程详情
发布者：Udemy 主持人：Lazy Programmer Inc. 语言：英语 教育水平：入门到高级 课程数量：89 培训时长：11 小时 13 分钟
课程标题
课程先决条件
熟悉我的逻辑回归课程的内容（交叉熵成本、梯度下降、神经元、XOR、甜甜圈）将为您提供本课程的正确背景
课程图片
课程介绍视频
媒体错误：格式不受支持或来源未找到
安装指南
Extract 后，用您最喜欢的播放器观看。
英文字幕
画质：720p
