Удаление [Udemy] Data Science: Deep Learning in Python [ENG-RUS]

Наука о Данных: Глубокое Обучение на Python
"Udemy" на русском


​

Автор: Lazy Programmer Inc.

Студия: Udemy

Год: 2018

Продолжительность: 9 часов 30 минут

Язык: Английский

Описание:

Этот курс поможет вам начать создавать свою первую искусственную нейронную сеть с использованием методов глубокого обучения. Следуя моему предыдущему курсу по логистической регрессии, мы берем этот базовый строительный блок и строим полноценные нелинейные нейронные сети, используя Python и Numpy.

Все материалы для этого курса бесплатны.

Мы расширяем предыдущую бинарную модель классификации для нескольких классов, используя функцию softmax, и мы получаем очень важный метод обучения, называемый "метод обратного распространение ошибки", используя первые принципы. Я покажу вам, как писать код для метода обратного распространения ошибки в Numpy. Сначала "медленный путь", а затем "быстрый путь", с использованием функций Numpy.

Затем мы внедрим нейронную сеть, используя новую библиотеку Google TensorFlow.

Вам следует пройти этот курс, если вы заинтересованы в том, чтобы стать мастером по Глубокому Обучению, или если вам интересно Машинное обучение и наука о данных в целом.
Мы выйдем за рамки базовых моделей, таких как логистическая регрессия и линейная регрессия, и я покажу вам нечто, что автоматически изучает признаки.

В этом курсе есть много практических примеров, чтобы вы могли реально увидеть, как глубокое обучение может быть использовано для чего-либо. На протяжении всего курса мы будем выполнять проект курса, благодаря которому вы узнаете, как прогнозировать действия пользователя на веб-сайте с учетом таких данных пользователя. Таких, как например, использует ли этот пользователь мобильное устройство, сколько продуктов он просмотрел, как долго он оставался на вашем сайте, бывает ли он на сайте неоднократно и в какое время суток заходит.

Другой проект в конце курса показывает, как вы можете использовать глубокое обучение для распознавания выражений лица. Представьте себе возможность предсказать чьи-то эмоции только на основе изображения!

После ознакомления с основами я кратко расскажу о некоторых новейших разработках в нейронных сетях - слегка модифицированных архитектурах и для чего они используются.

Заметки:

Если вы уже знаете о softmax и методе обратного распространения ошибки и хотите пропустить теорию, чтобы ускорить процесс, изучив более продвинутые методы вроде оптимизации GPU, ознакомьтесь с моим последующим курсом по этой теме "Наука о данных: практические вопросы глубокого обучения в Theano и TensorFlow".

У меня есть другие курсы, которые охватывают более сложные темы, такие как сверточные нейронные сети, ограниченные машины Больцмана, автоэнкодеры и многое другое! Но вы должны хорошо понимать материал этого курса, прежде чем переходить к более сложным предметам.

Этот курс нацелен на создание и понимание, а не просто на то, как использовать. Любой может научиться использовать API(интерфейс программирования приложений) за 15 минут посредством прочтения некоторой документации. Тут мы будем заниматься не запоминанием фактов, а усвоением для себя, посредством экспериментов. Курс научит вас тому, как визуализировать то, что происходит внутри модели. Если вы хотите получить больше, чем просто поверхностный взгляд на модели машинного обучения, этот курс для вас.

Спойлер: Оригинальное описание

This course will get you started in building your FIRST artificial neural network using deep learningtechniques. Following my previous course on logistic regression, we take this basic building block, and build full-on non-linear neural networks right out of the gate using Python and Numpy. All the materials for this course are FREE.

We extend the previous binary classification model to multiple classes using the softmax function, and we derive the very important training method called "backpropagation" using first principles. I show you how to code backpropagation in Numpy, first "the slow way", and then "the fast way" using Numpy features.

Next, we implement a neural network using Google's new TensorFlow library.

You should take this course if you are interested in starting your journey toward becoming a master at deep learning, or if you are interested in machine learning and data science in general. We go beyond basic models like logistic regression and linear regression and I show you something that automatically learns features.

This course provides you with many practical examples so that you can really see how deep learning can be used on anything. Throughout the course, we'll do a course project, which will show you how to predict user actions on a website given user data like whether or not that user is on a mobile device, the number of products they viewed, how long they stayed on your site, whether or not they are a returning visitor, and what time of day they visited.

Another project at the end of the course shows you how you can use deep learning for facial expression recognition. Imagine being able to predict someone's emotions just based on a picture!

After getting your feet wet with the fundamentals, I provide a brief overview of some of the newest developments in neural networks - slightly modified architectures and what they are used for.

NOTE:

If you already know about softmax and backpropagation, and you want to skip over the theory and speed things up using more advanced techniques along with GPU-optimization, check out my follow-up course on this topic, Data Science: Practical Deep Learning Concepts in Theano and TensorFlow.

I have other courses that cover more advanced topics, such as Convolutional Neural Networks, Restricted Boltzmann Machines, Autoencoders, and more! But you want to be very comfortable with the material in this course before moving on to more advanced subjects.

This course focuses on "how to build and understand", not just "how to use". Anyone can learn to use an API in 15 minutes after reading some documentation. It's not about "remembering facts", it's about "seeing for yourself" via experimentation. It will teach you how to visualize what's happening in the model internally. If you want more than just a superficial look at machine learning models, this course is for you.

Страница курса:

Пример перевода:

Курс зарезервировал Larsen, начнёт переводить, когда запишутся минимум 60-65 человека

 

Добавлен пример перевода