Python实践-深度学习从零到专业

从零开始实际学习Python深度学习，深度学习是机器学习的一个新领域，旨在将机器学习更接近人工智能。机器学习是一门探索构建和研究能够从数据中学习的算法的科学学科。这些算法通过从示例输入构建模型并使用它来进行预测或决策，而不是严格遵循静态程序指令。机器学习与计算统计学密切相关，通常与之重叠；后者专门从事预测。通过这个培训，我们将学习并应用深度学习的概念和实时项目。课程包括以下内容；• 结构化/表格数据的预测• 推荐• 图像分类• 图像分割• 物体检测• 风格转移• 超分辨率• 情感分析• 文本生成• 时间序列（序列）预测• 机器翻译• 语音识别• 问答• 文本相似度• 图像标题• 图像生成• 图像到图像的转换我们将学习以下内容：深度学习的理论和数学如何构建人工神经网络前馈和卷积网络的架构在PyTorch中构建模型梯度下降的微积分和代码微调深度网络模型从零开始学习Python（无需先前编码经验）自动编码器的工作原理及其使用迁移学习如何以及为什么自动编码器工作如何使用正则化提高模型性能，Deep Learning Zero To Hero – Hands-On With Python

MP4 |视频:h264，1920×1080 |音频:AAC，44.1 KHz
语言:英语|大小:5.15 GB |时长:10小时56分钟

你将学到什么
如何构建人工神经网络
前馈和卷积网络的架构
梯度下降的微积分和代码
从零开始学习Python（无需先前编码经验）

要求
基本的机器学习概念和Python。

本课程适用于有抱负的数据科学家和人工智能/机器学习/深度学习工程师

课程目录：
概观
第1部分:深度学习从零到英雄Python实践

第1讲深度学习实践介绍

第二讲什么是机器学习

第3讲流行的ML方法

第四讲什么是深度学习

第五讲深度学习的应用

第6讲建议

第7讲深度学习的基本概念

第八讲感知

第九讲神经网络

第十讲普适近似定理

第11讲深度神经网络

第12讲深层神经网络继续

第13讲开始

第14讲何处写代码

第15讲木星笔记本

第16讲Google Colab

第17讲Pytorch

第十八讲张量

第19讲张量继续

第20讲渐变

第21讲MNIST的例子

第22讲检查样本

第二十三讲隐藏层

第24讲数字接口

第25讲迁移-学习-概述

第26讲什么是迁移学习

第27讲CS231n卷积神经网络

第28讲下载数据集

第29讲转换数据

第30讲可视化数据

第31讲定义模型

第32课增加最后几层

第33讲训练模型

第34课测试模型

第35讲CIFAR怎么样

第36讲Cifar 10数据集上的图像分类器

第37课下载并加载我们的数据集

第38讲训练和测试数据集

第39讲定义我们的神经网络

第40讲图像处理

第41讲输入和输出

第42讲定义我们的损失函数

第43讲枚举中训练数据

第44课枚举中训练数据(续)

第45讲在测试图像上测试神经网络

第46讲文本分类器介绍

第47讲使用CNN进行文本分类

第48讲准备数据

第49讲建立模型

第50讲建立模型继续

第51讲关于构建模型的更多内容

第52讲定义损失函数

第53讲定义损失函数(续)

第54讲更多关于损失函数的定义

第55讲评估或测试模型

第56讲文本生成简介

第57讲文本生成-变形金刚

第58讲文本生成-变形金刚继续

第59讲变压器-架构

第60讲变压器-架构(续)

第61讲构词法

第62讲构词法继续

第63讲文本生成

第64讲文本翻译介绍

第65讲加载-数据

第66讲准备-数据

第67讲编码器-注意第1部分

第68讲编码器-注意第2部分

第69讲编码器-注意第3部分

第70讲解码器

第71讲训练评估函数

第72讲训练-评估-函数继续

第73讲培训-修复

第74讲培训-评估

第75讲预测-表格-数据第一部分

第76讲预测-表格-数据第二部分

第77讲预测-表格-数据第3部分

第78讲预测-表格-数据第4部分

第79讲协同过滤

第80讲协同过滤继续

第81讲其他推荐方法