使用TensorFlow的机器学习和深度学习视频教程

机器学习、神经网络、深度学习、深度神经网络(DNN)和卷积神经网络(CNN)

你会学到什么
深入理解机器学习。
深入了解神经网络。
对大部分主题进行详细和循序渐进的理论推导和解释，以确保对主题有清晰的理解。
您将学习线性回归、逻辑回归、神经网络、深度神经网络(DNN)、卷积神经网络等。
使用Tensorflow 2和Python的多个实践项目，向您展示Tensorflow 2的一些高级主题
选择动手项目是为了让你熟悉一些专业知识，如果你将来需要运行一个非常长的分析，这些专业知识可能会非常有用。

MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz，2声道
语言：英语+中英文字幕（云桥网络 机译） |时长:40节课(10小时6分钟)|大小解压后:4.97 GB


要求
理论部分:代数和微积分的一些知识。
对于动手操作部分:Gmail帐户使用谷歌Colab和谷歌驱动器。使用Python 3的基本编程知识
如果你没有编程背景，你仍然可以学习这门课程。你仍然可以从对这门学科的数学理解中受益。您可以使用提供的所有代码。
所有代码都提供给你下载。
无需在您的计算机上安装软件。我们将使用Google Colab，并在课程中包含逐步设置说明。

描述
如果你对机器学习、神经网络、深度学习、深度神经网络(DNN)和卷积神经网络(CNN)感兴趣并有深入清晰的了解，那么这门课程就是为你准备的。

主题有详细的解释。概念是以一步一步的方式逐步发展的。我有时会花10多分钟讨论一张幻灯片，而不是匆匆浏览一遍。这将有助于你与呈现的材料同步，并帮助你更好地理解它。

选择实践示例主要是为了让您熟悉TensorFlow 2的某些方面或其他技能，如果您将来需要运行自己的大型复杂神经网络工作，这些技能可能会非常有用。Machine Learning and Deep Learning Using TensorFlow

您可以下载实际操作示例。

请观看前两个视频，以便更好地了解课程。


涵盖的主题

什么是机器学习？

线性回归

计算参数的步骤

线性回归-使用均方误差(MSE)成本函数的梯度下降

逻辑回归:分类

判别边界

Sigmoid函数

非线性决策边界

逻辑回归:梯度下降

使用均方误差代价函数的梯度下降

逻辑回归的MSE成本函数的问题

在寻找替代成本函数的过程中

熵和交叉熵

交叉熵:逻辑回归的成本函数

交叉熵代价函数梯度下降

逻辑回归:多类分类

神经网络导论

逻辑运算符

使用感知器对逻辑运算符建模

使用感知器组合的逻辑算子

神经网络:更复杂的决策

生物神经元

什么是神经元？为什么叫神经网络？

什么是图像？

我的“数学”猫。形象剖析

神经网络:多类分类

用反向传播技术计算多层神经网络的权值

如何利用交叉熵代价函数更新隐含层的权值

把手放在某物或者某人身上

谷歌Colab。设置和安装Google Drive (Colab)

使用Google Colab的基于深度神经网络(DNN)的图像分类。& TensorFlow (Colab)

卷积神经网络(CNN)简介

CNN架构

要素提取、过滤器、池层

把手放在某物或者某人身上

使用Google Colab和TensorFlow (Colab)的基于CNN的图像分类

解决过拟合和欠拟合问题的方法

正规化、数据扩充、退出、提前停止

把手放在某物或者某人身上

糖尿病预测模型开发

使用正则化、退出和提前停止(Colab)修复问题

动手:各种主题

保存重量并加载保存的重量(Colab)

如何将一次长跑分成多次较小的跑步

功能API和迁移学习(Colab)

如何从现有模型(Colab)的中间层提取输出，并向其添加附加层以构建新模型。


这门课程是给谁的
这门课是为谁准备的？几乎对每个人都是。机器学习不是一个单一职业的话题。机器学习(以及神经网络)是一种非常强大的工具，可以帮助你找到一些问题的解决方案，否则你可能不知道如何解决这些问题。试试这个课程，看看它是否能给你更好的洞察力来解决你正在处理的一些问题。
不同职业的人可能会发现这些知识在他们自己的职业中很有用。
主题有详细的解释。概念是以一步一步的方式逐步发展的。我有时会花10多分钟讨论一张幻灯片，而不是匆匆浏览一遍。这将有助于你与呈现的材料同步，并帮助你更好地理解它。
选择实践示例主要是为了让您熟悉TensorFlow 2的某些方面或其他技能，如果您将来需要运行自己的大型复杂神经网络工作，这些技能可能会非常有用。
请观看前两个视频，以便更好地了解课程。

云桥网络 为三维动画制作，游戏开发员、影视特效师等CG艺术家提供视频教程素材资源！