课程描述
Modern Deep Learning in Python 是 Udemy Academy 发布的 Python 编程语言的综合性、基于项目的深度学习课程。 Python 是一种高级编程语言，广泛应用于数据科学、机器学习、深度学习和人工智能等各个领域。基于这种编程语言，开发了各种库和框架，其中最重要的是 Tensorflow、Theano、Keras、PyTorch、CNTK 和 MXNet。在本课程中，您将了解批量学习技术和随机梯度下降。使用这两种技术，您可以使用有限的数据集练习人工神经网络，并加快网络学习和练习过程。
他的课程涵盖了机器学习和深度学习领域的许多复杂主题，其中最重要的是动量、自适应学习率和技术，例如 AdaGrad、RMSprop 和 Adam，技术中提到了 dropout 正则化和批归一化及其在 Theano 和TensorFlow 库。这两个库在网络性能和速度方面比其他库有独特的优势。在这两个库中，用户可以利用显卡的处理能力来提高处理速度。本培训课程完全以实践和项目为导向，在培训过程中，您将使用真实的数据和数据集。
您将在 Python 现代深度学习中学到什么
- 为神经网络开发的反向传播增加动力
- 自适应学习率和相关技术，如 AdaGrad、RMSprop 和 Adam
- Theano 库的元素，例如变量和函数
- 使用Theano库开发人工神经网络
- TensorFlow 库及其优势
- 使用 TensorFlow 库开发人工神经网络
- MNIST 数据集
- 梯度下降优化算法
- 随机梯度下降
- Theano 和 TensorFlow 库中 dropout 正则化技术的实现
- Theano 和 TensorFlow 库中批量归一化技术的实现
- 使用 Keras、PyTorch、CNTK 和 MXNet 开发人工神经网络
课程规格
出版商：Udemy 讲师：Lazy Programmer Inc 语言：英语水平：入门到高级课程数量：87 课时：11 小时 15 分钟
2021/10 课程主题
Python 先决条件中的现代深度学习
熟悉 Python、Numpy 和 Matplotlib
如果您还不了解梯度下降、反向传播和 softmax，请学习我之前的课程“Python 深度学习”，然后再回到本课程。
建议先决条件：
了解梯度下降
概率统计
Python 编码：if/else、循环、列表、字典、集合
Numpy编码：矩阵和向量运算，加载CSV文件
了解如何使用 Numpy 编写神经网络
图片
Python 中的现代深度学习介绍视频
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
下载链接
