Самый глубокий взгляд на теорию нейронных сетей и на то, как ее писать на чистом Python и Tensorflow.
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 прямо из шлюза, используя Python и Numpy. Все материалы для этого курса бесплатны.
Мы расширяем предыдущую бинарную классификационную модель для нескольких классов, используя функцию softmax, и мы получаем очень важный метод обучения, называемый «обратное распространение», используя первые принципы. Я покажу вам, как писать обратное распространение в Numpy, сначала «медленный путь», а затем «быстрый путь» с использованием функций Numpy.
Затем мы внедряем нейронную сеть, используя новую библиотеку Google TensorFlow.
Вам следует пройти этот курс, если вы заинтересованы в том, чтобы начать свой путь к тому, как стать мастером глубокого обучения, или если вы заинтересованы в машинном обучении и науке о данных в целом. Мы вышли за рамки базовых моделей, таких как логистическая регрессия и линейная регрессия, и я покажу вам то, что автоматически изучает особенности.
Этот курс предоставляет вам много практических примеров, чтобы вы могли действительно увидеть, как глубокое обучение может быть использовано на что угодно. На протяжении всего курса мы будем выполнять учебный проект, который покажет вам, как прогнозировать действия пользователя на веб-сайте с учетом данных пользователя, например, находится ли этот пользователь на мобильном устройстве, сколько продуктов он просмотрел, как долго он оставался на вашем сайте, являются ли они возвращающимися посетителями, и в какое время суток они посетили.
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.
Если вы уже знаете о softmax и обратном распространении и хотите пропустить теорию и ускорить процесс, используя более продвинутые методы наряду с оптимизацией на GPU, ознакомьтесь с моим последующим курсом по этой теме «Наука о данных: практические концепции глубокого обучения» в Theano и TensorFlow.
Этот курс фокусируется на «как построить и понять», а не просто «как использовать». Любой может научиться использовать API через 15 минут после прочтения некоторой документации. Речь идет не о «запоминании фактов», а о «наблюдении за собой» с помощью экспериментов. Он научит вас, как визуализировать то, что происходит внутри модели. Если вы хотите больше, чем просто поверхностный взгляд на модели машинного обучения, этот курс для вас.
