日韩黑丝制服一区视频播放|日韩欧美人妻丝袜视频在线观看|九九影院一级蜜桃|亚洲中文在线导航|青草草视频在线观看|婷婷五月色伊人网站|日本一区二区在线|国产AV一二三四区毛片|正在播放久草视频|亚洲色图精品一区

分享

免費機器學(xué)習(xí)/深度學(xué)習(xí)視頻課程

 LibraryPKU 2018-05-31





該系列課程由微軟提供。總共 250 課時的 10 門人工智能課程 (第一學(xué)期截至2018年9月30日止),覆蓋 10 項應(yīng)用技能。


  • AI 導(dǎo)論

  • 數(shù)據(jù)科學(xué)會用到的Python語言 – 導(dǎo)論

  • AI領(lǐng)域運用的數(shù)學(xué)概要

  • 數(shù)據(jù)和分析所需要的道德與法律

  • 數(shù)據(jù)科學(xué)概要

  • 機器學(xué)習(xí)法則

  • 深度學(xué)習(xí)

  • 強化學(xué)習(xí)

  • 文字和自然語言識別;語音識別;計算機視覺和圖像識別(三選一)

  • 微軟專案項目之人工智能




機器學(xué)習(xí)法則部分


課程簡介

機器學(xué)習(xí)使用計算機運行預(yù)測模型,從現(xiàn)有數(shù)據(jù)中學(xué)習(xí),以預(yù)測未來的行為,結(jié)果和趨勢。

在這個數(shù)據(jù)科學(xué)課程中,您將獲得關(guān)于機器學(xué)習(xí)理論的明確解釋,并結(jié)合實際場景以及構(gòu)建,驗證和部署機器學(xué)習(xí)模型的實踐經(jīng)驗。 您將學(xué)習(xí)如何使用R,Python和Azure機器學(xué)習(xí)來構(gòu)建并從這些模型中獲取洞察。

學(xué)習(xí)收益

  • 探索分類

  • 機器學(xué)習(xí)中的回歸

  • 如何改進(jìn)監(jiān)督模型

  • 有關(guān)非線性建模的詳細(xì)信息

  • 聚類

  • 推薦系統(tǒng)

  • 本課程的動手元素結(jié)合了R,Python和Microsoft Azure機器學(xué)習(xí)

課程大綱

探索分類

  • 了解分類的操作

  • 使用邏輯回歸作為分類器

  • 了解用于評估分類器的指標(biāo)

  • 實驗室:使用Azure機器學(xué)習(xí)進(jìn)行邏輯回歸分類

機器學(xué)習(xí)中的回歸

  • 了解回歸模型的操作

  • 使用線性回歸進(jìn)行預(yù)測和預(yù)測

  • 了解用于評估回歸模型的指標(biāo)

  • 實驗室:使用Azure機器學(xué)習(xí)教導(dǎo)的線性回歸預(yù)測自行車需求

如何改進(jìn)監(jiān)督模型

  • 特征選擇過程

  • 了解過度參數(shù)化和維度詛咒問題

  • 在過度參數(shù)模型上使用正則化

  • 減少維度的方法將交叉驗證應(yīng)用于估計模型性能

  • 實驗室:使用Azure機器學(xué)習(xí)改善糖尿病患者分類

  • 實驗室:使用Azure機器學(xué)習(xí)改進(jìn)自行車需求預(yù)測

有關(guān)非線性建模的詳細(xì)信息

  • 了解如何以及何時使用常用監(jiān)督機器學(xué)習(xí)模型將ML模型應(yīng)用于糖尿病患者分類

  • 將ML模型應(yīng)用于自行車需求預(yù)測

聚類

  • 了解無監(jiān)督學(xué)習(xí)模式的原理

  • 正確應(yīng)用和評估k-means聚類模型

  • Correctly apply and evaluate hieratical clustering model

  • 實驗室:使用AML,R和Python的群集模型

推薦系統(tǒng)

  • 了解推薦系統(tǒng)的操作

  • 了解如何評估推薦系統(tǒng)

  • 了解如何使用替代協(xié)作過濾來獲取推薦

  • 實驗室:創(chuàng)建和評估推薦


深度學(xué)習(xí)法則部分


課程簡介

機器學(xué)習(xí)使用計算機運行預(yù)測模型,從現(xiàn)有數(shù)據(jù)中學(xué)習(xí)以預(yù)測未來的行為,結(jié)果和趨勢。 深度學(xué)習(xí)是機器學(xué)習(xí)的一個子領(lǐng)域,其中受我們大腦工作方式啟發(fā)的模型以數(shù)學(xué)方式表達(dá),并且定義數(shù)學(xué)模型的參數(shù)可以從數(shù)千至數(shù)億至數(shù)百萬的數(shù)量級自動從 數(shù)據(jù)。

深度學(xué)習(xí)是全球正在開發(fā)的人工智能技術(shù)的關(guān)鍵推動力。 在這個深度學(xué)習(xí)課程中,您將學(xué)習(xí)一種直觀的方法來構(gòu)建復(fù)雜的模型,幫助機器用人類智能解決現(xiàn)實世界的問題。 直觀的方法將轉(zhuǎn)化為具有實際問題和實際操作經(jīng)驗的工作代碼。 您將學(xué)習(xí)如何使用在本地Windows或Linux計算機上運行的Python Jupyter筆記本或在Azure上運行的虛擬機上從這些模型構(gòu)建和獲取洞察。 或者,您可以免費使用Microsoft Azure筆記本電腦平臺。

本課程提供所需的詳細(xì)程度,使工程師/數(shù)據(jù)科學(xué)家/技術(shù)管理人員能夠直觀地了解這種改變游戲技術(shù)背后的關(guān)鍵概念。 同時,您將學(xué)習(xí)簡單而強大的“圖案”,這些圖案可以與類似樂高的靈活性一起使用,以構(gòu)建端到端的深度學(xué)習(xí)模型。 您將學(xué)習(xí)如何使用Microsoft認(rèn)知工具包(以前稱為CNTK),通過深度學(xué)習(xí),利用無與倫比的縮放,速度和準(zhǔn)確性來利用海量數(shù)據(jù)集中的智能。

先決條件

  • 基本編程技巧

  • 掌握數(shù)據(jù)科學(xué)知識

  • 相當(dāng)于以下課程的技能:

    • DAT203x: Data Science Essentials

    • DAT208x: Introduction to Python for Data Science

課程收益

  • 深層神經(jīng)網(wǎng)絡(luò)的組成部分及其如何協(xié)同工作

  • 深層神經(jīng)網(wǎng)絡(luò)(MLP,CNN,RNN,LSTM)的基本類型和數(shù)據(jù)類型

  • 在深度學(xué)習(xí)中使用的詞匯,概念和算法的工作知識

  • 如何構(gòu)建:

    • 使用多級Logistic回歸和MLP(多層感知器)來識別手寫數(shù)字圖像的端到端模型

    • 用于改善數(shù)字識別的CNN(卷積神經(jīng)網(wǎng)絡(luò))模型

    • 用于預(yù)測時間序列數(shù)據(jù)的RNN(回歸神經(jīng)網(wǎng)絡(luò))模型

    • LSTM(長期短期記憶)模型處理順序文本數(shù)據(jù)

課程大綱

第1周: 介紹深度學(xué)習(xí)和機器學(xué)習(xí)概念的快速回顧

第2周: 使用邏輯回歸建立簡單的多類分類模型

第3周: 通過一個簡單的端到端模型檢測手寫數(shù)字圖像中的數(shù)字到深度神經(jīng)網(wǎng)絡(luò)

第4周: 用卷積網(wǎng)絡(luò)改進(jìn)手寫數(shù)字識別

第5周: 使用經(jīng)常性網(wǎng)絡(luò)建立一個預(yù)測時間數(shù)據(jù)的模型

第6周: 使用循環(huán)LSTM(長期短期記憶)單元構(gòu)建文本數(shù)據(jù)應(yīng)用程序



    本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息,謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點擊一鍵舉報。
    轉(zhuǎn)藏 分享 獻(xiàn)花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多