机器读心术之神经网络与深度学习dataguru深度学习神经网络
资源详情
机器读心术之神经网络与深度学习2017年原链接：课程大纲：第1课 跌宕起伏70年：神经网络发展概述；最简单的神经元仿生：单层感知器。第2课 线忄生神经网络.bp神经网络.基于梯度下降的各种学习算法；bp神经网络应用：信用识别；为什么bp网络丌能支持太多的隐层数？第3课 imagenet介绍。bp神经网络应用：图像压缩；稀疏自动编码器与特征提取。第4课 能联想和记忆的hopfield神经网络.dhnn与dcnn；应用：ocr识别.解决旅行商问题。第5课 模拟退火算法与boltzmann机：随机版的hopfield神经网络。第6课 马尔科夫链；受限boltzmann机rbm.gibbs采样.cd学习算法。第7课 应用rbm进行协同过滤；深度置信网络（dbn）：利用堆叠的rbm进行权值预训练.应用于图像编码与解码.图像识别；生成式模型与判别式模型。第8课 万能逼近器：径向基神经网络；pca与svm神经网络。第9课 局部感受野与卷积神经网络cnn；经典应用：mnist手写体数字识别.imagenet图像识别；gpu计算。第10课 计算机博弈原理.深度学习与alphago.价值网络与策略网络的设计.构成和训练。第11课 蒙特卡洛树搜索与强化学习.deepmind通用人工智能的尝试。堆叠150层的超深度网络：深度残差网络及其在imagenet比赛中的表现。第12课 递归神经网络rnn；elman和narx；bptt学习算法；对抗梯度消失；lstm原理与结构。第13课 深度学习在自然语言处理中的应用.word2vec原理与实践；cbow与skip-gram；nlp的基本问题.将lstm应用于中文自动分词和命名实体识别。授课对象：对神经网络技术和深度学习感兴趣者.潜在研究者.爱好者.职业方向准备转型高级数据分析师.迈向数据科学家的朋友。较好是学习过炼数成金上《机器学习》课程或具备类似能力。收获预期：熟悉神经网络技术和深度学习.懂得怎样运用到自己的实际工作.设计有一定规模的学习系统.智能化地解决某些场景的实际问题。个人技术能力和数据分析能力.知识见解有明显增长授课讲师：tigerfish.知名数据库网站itpub创始人.知名数据分析网站炼数成金创始人。数据库专家.数据分析专家.有丰富的it领域、数学领域的知识经验。他将带领他的数据分析团队完成整个授课工作。
