WUSTL深度神经网络应用案例实操-学习资料
WUSTL深度神经网络应用课程,内容覆盖Keras, TensorFlow, Pandas, 特征工程, GAN, Kaggle, 迁移学习, Spacy, OpenAI, 计算机视觉, 自然语言处理等

关键词标签: Keras, TensorFlow, Pandas, 特征工程, GAN, Kaggle, 迁移学习, Spacy, OpenAI, 计算机视觉, 自然语言处理
T81-558; Applications of Deep Neural Networks; 深度神经网络应用案例实操
🏆 课程学习中心 | 🚧 深度学习课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Applications of Deep Neural Networks
深度神经网络应用案例实操
Washington University in St. Louis
圣路易斯华盛顿大学(WUSTL)
T81-558
⭐⭐⭐⭐⭐


课程介绍

T81-558; Applications of Deep Neural Networks; 深度神经网络应用案例实操

深度学习允许神经网络以类似于人脑功能的方式学习信息的层次结构,是令人兴奋的新兴技术,通过结合先进的训练技术和神经网络架构,创建可以处理表格数据、图像、文本和音频作为输入/输出的神经网络。

T81-558 虽然课程标题为【深度学习网络应用实战】,但实际内容覆盖 Python基础、pandas数据处理、特征工程、深度学习、自然语言处理、计算机视觉、强化学习多个领域,涵盖了计算机视觉、时间序列、安全、自然语言处理 (NLP) 和数据生成方向的应用。

T81-558; Applications of Deep Neural Networks; 深度神经网络应用案例实操

本课程以实战为主,Jeff Heaton 教授依托于主流工具库,对深度学习和场景应用做了详细的实战讲解,可以帮助大家精准构建从数据到建模应用的全链条实战技能。

课程使用 Python 编程语言通过 Google TensorFlow 和 Keras 实现深度学习。课程学习之前无需了解 Python,但是熟悉至少一种编程语言有利于提升学习效率。

T81-558; Applications of Deep Neural Networks; 深度神经网络应用案例实操

课程讲师 Jeff Heaton 是 RGA 数据科学副总裁,华盛顿大学兼职讲师,兴趣包括机器学习、特征工程和这些主题的实际应用。几本知名人工智能书籍的作者,Kickstarter 项目、YouTube 视频的活跃创作者。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。


课程资料 | 下载

T81-558; Applications of Deep Neural Networks; 深度神经网络应用案例实操

扫描上方图片二维码,关注公众号并回复关键字 🎯『T81-558』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

T81-558; Applications of Deep Neural Networks; 深度神经网络应用案例实操

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 |【双语字幕+资料下载】T81-558 | 深度神经网络应用-全案例实操系列(2021最新·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。视频数量很多,为方便大家检索(查找某主题的位置,请使用页面 Ctrl+F 关键字检索功能),依旧将完整清单放在这里:

课时编号 课时内容
第1讲 Python、Keras和TensorFlow深度学习课程以及深度神经网络的应用
第2讲 深度神经网络课程概述的应用
第3讲 深度学习Python简介
第4讲 Python列表、字典、集合和JSON
第5讲 深度学习的Python文件处理
第6讲 Python函数、Lambda和Map/Reduce
第7讲 在MacOSXM1中安装TensorFlow2.5、Keras和Python3.9
第8讲 使用CONDA安装TensorFlow/KerasCPU/GPU版本
第9讲 在MacOSX中安装TensorFlow2.4、Keras和Python3.8
第10讲 使用GoogleCoLab进行深度神经网络课程应用
第11讲 如何提交深度学习应用的作业
第12讲 深度学习数据处理工具库Pandas简介
第13讲 使用Pandas为Keras编码类别型数据
第14讲 PythonPandas中的数据分组、排序和改组
第15讲 在Pandas中为Keras使用Apply和Map
第16讲 使用Pandas进行Keras深度学习的特征工程
第17讲 Keras深度学习和神经网络编程介绍
第18讲 深度学习工具库Tensorflow和Keras简介
第19讲 保存和加载Keras神经网络模型
第20讲 在Keras中提前停止以防止过拟合
第21讲 提取Keras权重并手动进行神经网络计算
第22讲 为Keras深度学习编码特征向量
第23讲 Keras构建深度神经网络多类分类并用ROC和AUC评估
第24讲 Keras深度神经网络回归建模与RMSE评估
第25讲 反向传播、Nesterov动量和ADAM训练
第26讲 从头开始计算神经网络RMSE和对数损失
第27讲 正则化简介:Ridge和Lasso
第28讲 在Keras中使用K折交叉验证
第29讲 在Keras中使用L1和L2正则化来减少过拟合
第30讲 Keras使用Dropout以减少过拟合
第31讲 boostrapping与基准超参数
第32讲 基于Keras神经网络建模需要的图像处理
第33讲 用于MNIST和fashion-MNIST的Keras卷积神经网络
第34讲 在Keras中实现ResNet
第35讲 在Keras中使用自己的图像数据
第36讲 使用YOLO Darknet识别多个图像
第37讲 用于图像和数据生成的生成对抗神经网络(GAN)简介
第38讲 在Keras/Tensorflow2.0中使用生成对抗网络(GAN)生成人脸
第39讲 使用NVIDIA StyleGAN2-ADAPy Torch和Python3生成人脸
第40讲 在Keras中用于半监督学习的GANS
第41讲 生成对抗网络(GAN)研究领域的一些新主题
第42讲 Kaggle简介
第43讲 使用Scikit-Learn和Keras构建集成模型
第44讲 Keras神经网络结构搭建细节与超参数
第45讲 基于Keras的贝叶斯超参数优化
第46讲 2020年春季Kaggle深度学习应用竞赛
第47讲 Keras迁移学习简介
第48讲 流行的Keras预训练神经网络
第49讲 计算机视觉和Keras的迁移学习
第50讲 自然语言处理和Keras的迁移学习
第51讲 Keras特征工程的迁移学习
第52讲 深度学习、TensorFlow和Keras的时间序列数据编码
第53讲 使用Keras和TensorFlow编程LSTM
第54讲 使用Keras和TensorFlow生成文本
第55讲 使用Keras和TensorFlow进行图像描述生成
第56讲 Keras中的时间卷积神经网络
第57讲 Python中的Spacy入门
第58讲 Word2Vec和文本分类
第59讲 Keras中的嵌入层
第60讲 使用Spacy和Keras进行自然语言处理
第61讲 使用Keras和TensorFlow从头开始学习英语
第62讲 OpenAI Gym介绍
第63讲 用于游戏学习的Q-Learning算法简介
第64讲 OpenAI Gym中的Keras Q-Learning
第65讲 使用Keras TF-Agents的Atari游戏
第66讲 非游戏TF-Agent的强化学习
第67讲 Flask与深度学习Keras/TensorFlow Web服务搭建
第68讲 在Python TensorFlow Keras中恢复训练和检查点
第69讲 在Web应用程序中使用Keras深度神经网络
第70讲 何时重新训练您的神经网络
第71讲 用于IOS开发的TensorFlow Lite
第72讲 用于Keras和TensorFlow的自动机器学习(AutoML)
第73讲 在Keras中使用去噪自动编码器
第74讲 使用自动编码器在Keras中进行异常检测
第75讲 使用Keras训练入侵检测系统(KDD99)
第76讲 新深度学习技术介绍


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
T81-558; Applications of Deep Neural Networks; 深度神经网络应用案例实操
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!