2071| 1
|
炼数成金神经网络与深度学习视频教程 |
内容介绍:
第1课 跌宕起伏70年:神经网络发展概述;最简单的神经元仿生:单层感知器。 第2课 线性神经网络,BP神经网络,基于梯度下降的各种学习算法;BP神经网络应用:信用识别;为什么BP网络丌能支持太多的隐层数 第3课 Imagenet介绍。BP神经网络应用:图像压缩;稀疏自动编码器与特征提取。 第4课 能联想和记忆的Hopfield神经网络,DHNN与DCNN;应用:OCR识别,解决旅行商问题。 第5课 模拟退火算法与Boltzmann机:随机版的Hopfield神经网络。 第6课 马尔科夫链;受限Boltzmann机RBM,Gibbs采样,CD学习算法。 第7课 应用RBM进行协同过滤;深度置信网络(DBN):利用堆叠的RBM进行权值预训练,应用于图像编码与解码,图像识别;生成式模型与判别式模型。 第8课 万能逼近器:径向基神经网络;PCA与SVM神经网络。 第9课 局部感受野与卷积神经网络CNN;经典应用:MNIST手写体数字识别,Imagenet图像识别; 第10课 计算机博弈原理,深度学习与AlphaGo,价值网络与策略网络的设计,构成和训练。 第11课 蒙特卡洛树搜索与强化学习,Deepmind通用人工智能的尝试。堆叠150层的超深度网络:深度残差网络及其在Imagenet比赛中的表现。 第12课 递归神经网络RNN;ELMAN和NARX;BPTT学习算法;对抗梯度消失;LSTM原理与结构。 第13课 深度学习在自然语言处理中的应用,word2vec原理与实践;CBOW与Skip-gram;NLP的基本问题,将LSTM应用于中文自动分词和命名实体识别。 授课对象: 对神经网络技术和深度学习感兴趣者,潜在研究者,爱好者,职业方向准备转型高级数据分析师,迈向数据科学家的朋友。较好是学习过炼数成金上《机器学习》课程或具备类似能力。 收获预期: 熟悉神经网络技术和深度学习,懂得怎样运用到自己的实际工作,设计有一定规模的学习系统,智能化地解决某些场景的实际问题。个人技术能力和数据分析能力,知识见解有明显增长 授课讲师: tigerfish,知名数据库网站ITPUB创始人,知名数据分析网站炼数成金创始人。数据库专家,数据分析专家,有丰富的IT领域、数学领域的知识经验。他将带领他的数据分析团队完成整个授课工作。 百度网盘下载地址:
购买主题
已有 1 人购买
本主题需向作者支付 20 金币 才能浏览
| |
| ||