机器学习实用锻炼 | 8个真实项目

“深度学习和机器学习是当前最热门的技术领域之一!这个领域正蓬勃发展,充满机遇和职业前景. 机器/深度学习技术如今广泛应用于银行、医疗保健、交通运输和技术等多个领域. 机器学习是研究教会计算机从经验中学习的算法. 通过经验(即更多的训练数据),计算机可以不断提高性能. 深度学习是机器学习的一个子集,利用多层人工神经网络. 深度学习受人类大脑启发,模仿生物神经元的运作. 通过将多个人工神经元以分层方式连接,形成一个分层的深度人工神经网络. 网络中添加的隐藏层越多,网络就越”深”,可以建模的复杂非线性关系也就越多. 深度学习广泛应用于自动驾驶汽车、人脸和语音识别以及医疗应用. 本课程的目的是以实用、简单和有趣的方式向学生提供深度和机器学习技术的关键知识. 本课程为学生提供了在使用真实世界数据集训练深度和机器学习模型方面的实际动手经验. Machine Learning Practical Workout | 8 Real-World Projects

本课程以实用方式涵盖了多种技术,项目包括但不限于: (1) 训练深度学习技术执行图像分类任务.(2) 开发预测模型,使用最先进的Facebook Prophet时间序列来预测未来事件,如未来的商品价格.(3) 开发自然语言处理模型,分析客户评论并识别垃圾邮件/正常消息.(4) 开发推荐系统,如亚马逊和Netflix电影推荐系统. 本课程面向希望获得深度和机器学习模型基本理解的学生. 建议具备编程基础知识. 但是,这些主题将在课程早期讲座中得到广泛涵盖; 因此,本课程没有先决条件,任何具备基本编程知识的学生都可以参加. 参加本课程的学生将掌握深度和机器学习模型,并可以直接应用这些技能解决现实世界中的挑战性问题.”

由Dr. Ryan Ahmed,博士,工商管理硕士,SuperDataScience团队,Mitchell Bouchard,Ligency团队创建
MP4 | 视频: h264, 1280×720 | 音频: AAC, 44.1 千赫兹, 2 通道
语言：英语+中英文字幕（云桥网络 机译） | 课程时长: 90 讲座 ( 14 小时 14 分钟 ) | 大小: 4.33 GB

构建8个实用项目,从零开始成为深度/机器学习的英雄,人工神经网络

你将学到:
深度学习的实际应用
机器学习的实际应用
如何使用人工神经网络来预测汽车销售
如何使用深度神经网络进行图像分类
如何使用LE-NET深度网络来分类交通标志
如何应用迁移学习进行CNN图像分类
如何使用PROPHET时间序列来预测犯罪
如何使用PROPHET时间序列来预测市场状况
如何开发自然语言处理模型来分析评论
如何应用自然语言处理来开发垃圾邮件过滤器
如何使用基于用户的协同过滤来开发推荐系统

要求:
深度学习和机器学习基础知识
带有互联网连接的个人电脑