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

课程介绍

深度神经网络应用是Jeff Heaton教授录制的算法实战课程,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。

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

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
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!