访问
一生
内容
4个小时
描述
人工神经网络是一种架构，可让Apple的Siri识别您的声音，特斯拉的自动驾驶汽车知道转弯的方向，Google翻译学习新的语言以及许多您可能认为理所当然的技术功能。将所有人团结在一起的数据科学是深度学习。在本课程中，您将建立您的第一个神经网络，超越基本模型来构建自动学习功能的网络。- 享有37堂课和4个小时的内容24/7
- 使用softmax函数将二进制分类模型扩展为多个类
- 在Numpy中编写重要的训练方法，即反向传播
- 使用Google的TensorFlow库实现神经网络
- 使用神经网络在给定用户数据的情况下预测网站上的用户操作
- 使用深度学习进行面部表情识别
- 了解神经网络的一些最新发展
懒惰程序员是一位数据科学家，大数据工程师和全栈软件工程师。在他的硕士论文中，他使用机器学习研究脑机接口。这些帮助非语言和非流动性的人与其家人和照顾者进行交流。
他曾作为数据科学家和大数据工程师在在线广告和数字媒体领域工作，并围绕上述数据构建了各种高吞吐量的Web服务。他使用Hadoop / Pig / MapReduce创建了新的大数据管道，并创建了用于预测点击率的机器学习模型，使用线性回归的新闻提要推荐系统，贝叶斯匪徒和协作过滤，并使用A / B测试验证了结果。
他曾为就读于哥伦比亚大学，纽约大学，亨伯学院和新学校等大学的学生教授数据科学，统计学，机器学习，算法，微积分，计算机图形学和物理学的本科生和研究生。
他的网络编程专业知识使多家企业受益。他负责所有后端（服务器），前端（HTML / JS / CSS）以及操作/部署工作。他使用过的一些技术包括：Python，Ruby / Rails，PHP，Bootstrap，jQuery（Javascript），Backbone和Angular。对于存储/数据库，他使用了MySQL，Postgres，Redis，MongoDB等。
他曾作为数据科学家和大数据工程师在在线广告和数字媒体领域工作，并围绕上述数据构建了各种高吞吐量的Web服务。他使用Hadoop / Pig / MapReduce创建了新的大数据管道，并创建了用于预测点击率的机器学习模型，使用线性回归的新闻提要推荐系统，贝叶斯匪徒和协作过滤，并使用A / B测试验证了结果。
他曾为就读于哥伦比亚大学，纽约大学，亨伯学院和新学校等大学的学生教授数据科学，统计学，机器学习，算法，微积分，计算机图形学和物理学的本科生和研究生。
他的网络编程专业知识使多家企业受益。他负责所有后端（服务器），前端（HTML / JS / CSS）以及操作/部署工作。他使用过的一些技术包括：Python，Ruby / Rails，PHP，Bootstrap，jQuery（Javascript），Backbone和Angular。对于存储/数据库，他使用了MySQL，Postgres，Redis，MongoDB等。
细节& Requirements
- 用户可以访问此课程的时间长度：生命周期
- 访问选项：Web流，移动流
- 不包括结业证书
- 兑换期限：购买后30天内兑换代码
- 要求的经验水平：中级，但您必须具备微积分，线性代数，概率，Python和Numpy的知识
- 该课程的所有代码均可下载 这里，在目录an_class中
条款
- 购买后的30天内，可以将未兑换的许可证退还以获得商店信用。兑换许可证后，所有销售将是最终的。
课程大纲
- 什么是神经网络？
- 简介和大纲（3:45）
- 没有数学的神经网络（4:20）
- 这门课程适合您的深度学习吗？ （4:57）
- 电子商务课程项目简介（8:53）
- 一次分类超过2件事
- 从逻辑回归到神经网络（5:12）
- Softmax（2:54）
- 乙状结肠vs.Softmax（1:30）
- 在哪里获得本课程的代码（1:30）
- 代码中的Softmax（3:39）
- 用Python构建整个前馈神经网络（6:23）
- 电子商务课程项目：预处理数据（5:24）
- 电子商务课程项目：做出预测（3:55）
- 非线性缺失
- 训练神经网络
- 反向传播简介（11:50）
- 反向传播-权重更新取决于什么？ （4:47）
- 反向传播-递归（4:38）
- 代码中的反向传播（17:07）
- 学习反向传播的错误方法（3:52）
- 电子商务课程项目：使用Softmax训练逻辑回归（8:11）
- 电子商务课程项目：培训神经网络（6:19）
- 反向传播二进制输出
- 实用机器学习
- 甜甜圈和XOR评论（1:06）
- 再谈甜甜圈和异或（4:21）
- 常见的非线性及其导数（1:26）
- 超参数和交叉验证（4:11）
- 手动选择学习率和正则化惩罚（4:08）
- TensorFlow，练习，练习以及下一步学习
- TensorFlow即插即用示例（7:31）
- 使用TensorFlow Playground可视化神经网络学到的知识（11:35）
- 从这里去哪里（3:41）
- 你知道的比你想的要多（4:52）
- 如何善于深度学习+练习（5:07）
- 项目：面部表情识别
- 面部表情识别问题描述（12:21）
- 班级失衡问题
- 实用程序演练（5:45）
- 代码中的面部表情识别（二进制/ Sigmoid）（12:13）
- 代码中的面部表情识别（逻辑回归Softmax）（8:57）
- 代码中的面部表情识别（ANN Softmax）（10:44）
- 附录
- 如何安装Numpy，Scipy，Matplotlib，Pandas，IPython，Theano和TensorFlow（17:22）
- 梯度下降教程（4:30）