深度学习基础概论-夯实人工智能算法地基
体系课

深度学习基础概论-夯实人工智能算法地基

  • 人工智能认知与应用

基于Keras框架,掌握深度学习的函数算法基础

¥59.9
本课程包括
  • 4小时17分钟的视频随时观看
  • 课程包含 7 道测试题
  • 可在APP随时观看
  • 结业证书
你将收获
  • 了解神经网络的基础知识和神经元结构
  • 掌握激活函数和神经网络拓扑架构的基本理论和实践
  • 熟悉深度学习框架Tensorflow的安装和使用,包括数据类型、常用函数及数学运算
  • 学习如何在Tensorflow中实现常用深度学习模型
  • 通过实例,学习如何处理数据、构建、编译和训练模型

数千家企业正在使用三节课企业版学习

无限制学习5000+门课程,200+精选学习专题

免费申请体验>
课程介绍

《深度学习基础概论-夯实人工智能算法地基》是一门深度学习入门课程,旨在帮助你从零开始,理解并掌握深度学习的基本概念和技巧。

课程首先介绍神经网络的基础和神经元结构,然后讲解激活函数和神经网络拓扑架构的理论和实践。接下来,我们将深入学习深度学习框架Tensorflow,包括安装方法、数据类型、常用函数及数学运算等内容。

课程中,你还将学习如何在Tensorflow中实现常用的深度学习模型,如何处理数据、构建、编译和训练模型。此外,我们还将通过实例,让你了解如何在实际问题中应用深度学习。

无论你是计算机科学或相关领域的学生,还是希望增强深度学习技能的专业人士,或者是对人工智能和深度学习感兴趣的技术爱好者,这门课程都将为你提供实用的知识和技能。

适合人群
  • 高等院校相关专业师生
  • 数据分析、数据挖掘人员
  • 人工智能、深度学习入门读者
  • 数据背景的数据科学家
  • 进行深度学习应用研究的科研人员
讲师介绍
2017-2024 微软MVP
擅长领域:
  • 数据挖掘与分析
  • 数据可视化
  • 深度学习
  • 机器学习
  • 数据分析与数据决策
  • 商业分析
  • 计算机视觉
曾就职于平安人寿担任资深数据挖掘专家,目前供职于世界百强企业,负责数据中台、数据化运营、金融科技、创新规划等项目及前沿研究。有13年的数据挖掘与分享相关工作的经验;曾经从事过电商、电购、电力、游戏、金融和物流等行业,熟悉不同行业的数据特点。R语言资、python资深玩家,熟练掌握深度学习Tensorflow2框架,有丰富的大数据挖掘和可视化实战经验。2017-2023年微软MVP。《中国现场统计研究会大数据统计分会》第一届理事。 历届中国R语言大会特邀演讲嘉宾。 书籍著作:《R语言与数据挖掘》、《数据实践之美:31位大数据专家的方法、技术与思想》《R语言游戏数据分析与挖掘》、《Keras深度学习:入门、实战与进阶》、《R语言数据分析与挖掘(微课)》和深度学习从入门到精通:基于keras(微课版)》
课程大纲
共0节 时长0分钟 全部收起
课程导读
图文
第1章 深度学习神经网络
共8节 | 1小时4分钟
  • 1神经网络基础介绍
    2分钟
  • 2神经元结构讲解
    8分钟
  • 3用python实现神经元demo
    11分钟
  • 4激活函数概述
    9分钟
  • 5激活函数的Tensorflow实现1
    11分钟
  • 6激活函数的Tensorflow实现2
    13分钟
  • 7神经网络的拓扑架构
    4分钟
  • 8常用深度学习模型介绍
    7分钟
第2章 深度学习框架
共11节 | 2小时3分钟
  • 1深度学习框架
    4分钟
  • 2Tensorflow GPU版本所需的硬件环境准备
    10分钟
  • 3Anaconda安装
    17分钟
  • 4conda常用命令操作的用法
    12分钟
  • 5Tensorflow的安装及查看(CPU、GPU版)
    7分钟
  • 6Tensor数据类型及创建函数介绍
    11分钟
  • 7Tensor数据类型及创建函数案例演示
    19分钟
  • 8Tensorlow其他常用函数及数学运算
    16分钟
  • 9tf.data.Dataset对象简介
    10分钟
  • 10tf.GradientTape讲解
    13分钟
  • 11tf.one_hot和tf.argmax函数讲解
    5分钟
第3章 构建深度学习模型
共8节 | 1小时9分钟
  • 1MNIST数据集概述及加载
    13分钟
  • 2MNIST数据预处理
    9分钟
  • 3构建及编译模型
    7分钟
  • 4构建及编译模型代码实现
    5分钟
  • 5模型训练及代码实现
    12分钟
  • 6将数据转换为tf.data.Dataset再训练模型
    5分钟
  • 7另一种方式,使用 tf.GradientTape 来训练模型
    16分钟
  • 8课后习题讲解
    4分钟
课程总结
图文
测试题
共7题
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。